Robots Exclusion Standard 网络爬虫排除标准

作用：网站告知网络爬虫哪些页面可以抓取，哪些不行。
形式：在网站根目录下的robots.txt文件。

案例

京东的Robots协议
百度的Robots协议
新浪新闻的Robots协议
qq的Robots协议
qq新闻的Robots协议
国家教育部的Robots协议(无robots协议)

Robots协议基本语法

# 注释：*代表所有，/代表根目录
User-agent: *
Disallow: /

Robots的遵守方式

Robots协议的使用

网络爬虫：自动或人工识别robots.txt，再进行内容爬取。
约束性：Robots协议是建议但非约束性，网络爬虫可以不遵守，