您好,登錄后才能下訂單哦!
配圖本來計劃選擇一種爬蟲的,可是看到百度搜到的圖片好惡心,所以作罷,還是還原網(wǎng)絡世界真實的爬蟲。
爬蟲應該是隨著搜索引擎技術出現(xiàn)的。爬蟲技術主要是用來抓取萬維網(wǎng)網(wǎng)頁內(nèi)容的主要技術,被爬到的網(wǎng)頁會被收錄進入搜索引擎。一般情況下,企業(yè)作為門戶網(wǎng)站的話是非常希望爬蟲爬到,然后收錄進去,這樣用戶搜索的時候就會被顯示出來,一方面隨著搜索技術飛速發(fā)展,www業(yè)務飛速發(fā)展,各種各樣的爬蟲,***到互聯(lián)網(wǎng)中,爬蟲對于某些網(wǎng)站來說是一種流量的浪費。比如某寶是堅決不讓某度來爬取的,一方面是要保障流量來源,另一方面要保障流量正常,因為www網(wǎng)站中惡意爬蟲會影響正常流量訪問。
于是robots協(xié)議應運而生。
“引用”Robots協(xié)議(也稱為爬蟲協(xié)議、機器人協(xié)議等)的全稱是“網(wǎng)絡爬蟲排除標準”(Robots Exclusion Protocol),網(wǎng)站通過Robots協(xié)議告訴搜索引擎哪些頁面可以抓取,哪些頁面不能抓取。
防止spider任意抓?。海ń谷魏闻老x進行抓取網(wǎng)站的任何目錄)
spider user-agent:*
disallow:/
這些規(guī)則是支持正則的,所以會非常靈活。對于業(yè)務型的頁面可以設置為不可被抓取。
還有一點最重要的:就是要相識的robots協(xié)議生效,就必須web訪問的時候可以訪問到robots.txt,并且robots位于網(wǎng)站的根目錄下。例如:
www.taobao.com/robots.txt就可以看到淘寶的robots協(xié)議。
最后一點,如果你不想要在實名網(wǎng)站留下一些huai的證據(jù),那么也不要寄希望于網(wǎng)站禁止爬蟲,那么請注意保持良好的上網(wǎng)行為。
支付寶-打賞:
微信-打賞:
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。