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。

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。

爬虫可以按照一定的规则，手动请求万维网网站的数据。

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。

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。

网络爬虫是一个模拟真人浏览互联网行为的程序。

网络爬虫的基本流程包括抓取网页数据、（）、存储数据。

robots.txt文件只能有一条User-agent 记录。

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。

Robots协议又称（）协议，用于保护网数据和敏感信息。