【问题标题】:Is robots.txt crawl-delay also for sub-pages?robots.txt 爬行延迟也适用于子页面吗?
【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


    【解决方案1】:

    抓取延迟告诉机器人在对同一服务器的连续请求之间等待的秒数。

    【讨论】:

    • 所以肯定是同一个服务器,不是同一个页面?这意味着我需要休息一下:(
    • @ThomasUhrig:是的,这绝对是关于服务器的。您肯定需要在请求之间等待。
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-08-04
    • 1970-01-01
    • 1970-01-01
    • 2011-12-19
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多