网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

无论是搜索引擎，还是个人或单位获取目标数据，都需要从公开网站上爬取大量数据。

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。

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。

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。

什么是代理IP ？

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。