Robots协议
(Robots Exclusion Standard:网络爬虫排除标准)
一、介绍
1.作用:网页告知爬虫哪些能爬取,哪些不能
网站限制爬虫的方法:
- 审查来源;
- 通过robots协议来告知。
形式*:存储在网站根目录下的robots.txt文件中。
2.Robots协议的基本语法
User-agent: *
Disaloow: /
3.一些Robots协议的链接
- http://www.baidu.com/robots.txt
- http://www.baidu.com/robots.txt
- http://news.sina.com.cn/robots.txt
- http://www.qq.com/robots.txt
- http://news.qq.com/robots.txt
4.注意事项
robots协议一定要放到网站的根目录下!!!如果没有robots文件则该网站允许所有爬虫无限制地访问、爬取其内容。
二、Robots协议的遵守方式
Robots协议的使用
-
网络爬虫:自动或人工识别robot.txt文件再进行内容爬取。
-
约束性:Robots协议是建议但是非约束性,爬虫可以不遵守,但是存在法律风险!
小编有话说:爬虫虽带劲,请记得遵守Robots协议哦。本篇文章为视频https://www.bilibili.com/video/BV1NW411V7CQ?p=10的学习笔记