如果数据市场上没有需要的数据，那么可以利用（）技术抓取网站上的数据。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

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。

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。

网站通过robots.txt 文件可以限定网络爬虫的访问范围。

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。

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。

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。