搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

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。

当网络爬虫访问网站时，会优先检查该站点的根目录下是否存在（）文件。

什么是网络爬虫？

浏览器在访问网站时会携带（），向网站表明自己的真实身份。

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。

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。

什么是通用爬虫？

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。