任何一条Disallow 记录为空，都说明该网站的所有部分都允许被访问。

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。

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。

爬虫可以按照一定的规则，手动请求万维网网站的数据。

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。

什么是网络爬虫？

网络爬虫程序只能使用python 语言进行开发。

Robots协议又称（）协议，用于保护网数据和敏感信息。

网站通过robots.txt 文件可以限定网络爬虫的访问范围。

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。