- 博客(1)
- 收藏
- 关注
原创 python爬虫--robots协议
robots exclusion standard 网络爬虫排除标准 基本概念 1.使用基本语法user-agent和disallow语法告知哪些内容可以爬取,爬虫时会自动或人工识别协议内容再进行内容爬取。 2.协议存放在网站根目录robots.txt中,无robots文件表示都可以爬虫访问。robots协议是建议性的,不遵守会存在法律风险。 3.爬取规模:request库(网页)<scrapy库(网站)<定制开发 4.eg:www.jd.com/robots.txt www.baidu.com
2020-06-08 16:48:19
247
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人