【发布时间】:2013-11-07 11:21:49
【问题描述】:
我为某个网页编写了一个爬虫。该网页有一个 robots.txt,如下所示:
User-Agent: *
Crawl-delay: 30
所以它只允许每 30 秒抓取一次网站(对吗?)。但是子页面呢?例如。我可以在不延迟 30 秒的情况下抓取以下网站,因为它们是不同的子页面:
www.mysite.com
www.mysite.com/category_1
www.mysite.com/category_2
这些请求之间是否需要间隔 30 秒?
谢谢你, 托马斯。
【问题讨论】:
标签: python web-crawler robots.txt