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。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

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。

待下载网页集合就是（）URL 列队中的网页，这些网页即将被爬虫下载。

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。

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。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

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。

通用网路爬虫会访问与预定主题相关的网页。