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。

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。

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。

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。

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。

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。

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。

通用网路爬虫会访问与预定主题相关的网页。

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。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。