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。

爬虫可以按照一定的规则，手动请求万维网网站的数据。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

Robots协议又称（）协议，用于保护网数据和敏感信息。

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。

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。

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。

为了避免访问网站的频率影响爬虫的效率，应该做哪些调整呢？

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协议可以限制爬虫程序采集某些网页的数据。