Python爬虫之盗亦有道

网络爬虫的尺寸

网络爬虫的限制

• 来源审查：判断User-Agent进行限制

  检查来访HTTP协议头的User-Agent域，只响应浏览器或友好爬虫的访问

• 发布公告：Robots协议

  告知所有爬虫网站的爬取策略，要求爬虫遵守

Robots协议

作用：

​ 网站告知网络爬虫哪些网页可以爬取，哪些不行

形式：

​ 在网站根目录下的robots.txt文件

对Robots协议的理解