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。

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。

爬虫需要遵循有礼貌的原则，这样才能与更多的网站建立友好关系。

Robots协议又称（）协议，用于保护网数据和敏感信息。

现在网站会采取一些（）措施来阻止网络爬虫的不当爬取行为。

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。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。

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。

robots.txt文件必须放置在一个站点的（）目录下，且文件名必须小写。