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。

Robots.txt协议可以限制爬虫程序采集某些网页的数据。

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。

什么是通用爬虫？

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。

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。

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？

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。

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。