网站站点的背景调研
1. 检查 robots.txt
网站都会定义robots.txt
文件,这个文件就是给 网络爬虫 来了解爬取该网站时存在哪些限制。当然了,这个限制仅仅只是一个建议,你可以遵守,也可以不遵守。但对于一个良好的网民来说,最好还是遵守robots.txt
文件里面的限制。
Q: 如何查看这个 robots.txt
文件?
A: 你只需要在 目标网站站点域名 后面加上 robots.txt
即可。
举例:目标网站站点域名:http://www.aobosir.com/ 。目标网站站点的robots.txt
文件:http://www.aobosir.com/robots.txt 。
# section 1
User-agent: BadCrawler
Disallow: /
# section 2
User-agent: *
Crawl-delay: