只要将User-agent 设为知名的用户代理，爬虫就能够成功地伪装成浏览器。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

robots.txt文件是（）访问网站时要查看的第一个文件，它会限制网络爬虫的访问范围。

为了方便网站管理员通知爬虫更新网站的内容，网站提供了（）文件。

当网络爬虫访问网站时，会优先检查该站点的根目录下是否存在（）文件。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

待下载网页集合就是（）URL 列队中的网页，这些网页即将被爬虫下载。

网络爬虫时一种按照一定的规则，（）请求万维网站并提取网络数据的程序或脚本。

robots.txt文件必须放置在一个站点的（）目录下，且文件名必须小写。

现在网站会采取一些（）措施来阻止网络爬虫的不当爬取行为。