最新试题
如果网站中存在robots.txt 文件,那么网络爬虫会按照该文件的内容确定访问的范围。
题型:判断题
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。
题型:填空题
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。
题型:填空题
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。
题型:填空题
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。
题型:判断题
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。
题型:判断题
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。
题型:判断题
通用网路爬虫会访问与预定主题相关的网页。
题型:判断题
任何一条Disallow 记录为空,都说明该网站的所有部分都允许被访问。
题型:判断题
搜索引擎只能抓取HTML 文件,不能抓取其它类型的文件。
题型:判断题