Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

网络爬虫程序只能使用python 语言进行开发。

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。

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。

任何网站都会定义robots.txt 文件，能够让爬虫了解爬取网站存在着哪些限制。

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。

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。

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。