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。

robots.txt文件只能有一条User-agent 记录。

什么是代理IP ？

搜素引擎爬取到的网页数据与浏览器得到的HTML 数据一定是不同的。

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。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

爬虫需要遵循有礼貌的原则，这样才能与更多的网站建立友好关系。

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。

网站通过robots.txt 文件可以限定网络爬虫的访问范围。

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。