最新试题
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。
题型:判断题
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。
题型:填空题
如果某个URL 还未抓取过,则这个URL 会放入到待抓取URL 队列中。
题型:判断题
搜索引擎只能抓取HTML 文件,不能抓取其它类型的文件。
题型:判断题
通用网路爬虫会访问与预定主题相关的网页。
题型:判断题
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。
题型:判断题
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。
题型:填空题
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。
题型:填空题
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。
题型:判断题
浏览器在访问网站时会携带(),向网站表明自己的真实身份。
题型:填空题