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。

网络爬虫时一种按照一定的规则，（）请求万维网站并提取网络数据的程序或脚本。

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。

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。

网络爬虫是一个模拟真人浏览互联网行为的程序。

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。

任何网站都会定义robots.txt 文件，能够让爬虫了解爬取网站存在着哪些限制。

什么是代理IP ？

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。

搜索引擎只能抓取HTML 文件，不能抓取其它类型的文件。