robots.txt文件只能有一条User-agent 记录。

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。

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。

Robots协议又称（）协议，用于保护网数据和敏感信息。

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。

什么是通用爬虫？

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。

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。

如果某个URL 还未抓取过，则这个URL 会放入到待抓取URL 队列中。