如果某个URL 还未抓取过，则这个URL 会放入到待抓取URL 队列中。

已抓取URL 队列记载了爬虫系统已经下载过的网页URL ，能够避免网页的重复抓取。

有些网页对于爬虫来说是无法抓取到的，这部分网页构成了可知网页集合。

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。

网络爬虫是一个模拟真人浏览互联网行为的程序。

robots.txt文件只能有一条User-agent 记录。

网站通过robots.txt 文件可以限定网络爬虫的访问范围。

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。

爬虫可以按照一定的规则，手动请求万维网网站的数据。