python爬虫（一）----robots协议

1.介绍

robots协议也叫robots.txt（统一小写）是一种ASCII编码的文本文件，它通常告诉网络搜索引擎的爬虫，此网站中的哪些内容是不应被搜索引擎获取的，哪些是可以被获取的。因为一些系统中的URL是大小写敏感的，所以robots.txt的文件名应统一为小写。robots.txt应放置于网站的根目录下。

robots协议并不是一个规范，而只是约定俗成的，所以并不能保证网站的隐私。

2.一些网站的robot协议

• 淘宝

• 豆瓣

• 京东