网站通过robots.txt 文件可以限定网络爬虫的访问范围。

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。

网络爬虫程序只能使用python 语言进行开发。

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。

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。

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。

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。

网站通过一个文件（）来告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。