Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

robots.txt文件只能有一条User-agent 记录。

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。

如果网站中没有robots.txt 文件，那么所有的网络爬虫都能访问网站上所有没有被口令保护的页面。

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。

网络爬虫程序只能使用python 语言进行开发。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。