Size: 1326
Comment:
|
Size: 1346
Comment:
|
Deletions are marked like this. | Additions are marked like this. |
Line 6: | Line 6: |
#!python | |
Line 12: | Line 13: |
[[BR]][[BR]] |
python的robotparser模块
读一个Python的爬虫代码的时候看到一个名字叫做”robotparser”的模块, 查了一下, 是用来解析网站的”robots.txt”文件的. 用法很简单, 举个例子
BRBR 程序很简单. 首先将类实例化, 然后用”set_url”方法设置”robots.txt”文件的路径, 这个文件一般都在网站的根目录. 接着调用”read”方法来解析这个文件. 最后就是用”can_fetch”方法来判断这个网站是否让你的程序(爬虫)访问某个网站内的链接了! BRBR 如果这个网站没有”robots.txt”文件的话, 在”read”方法后查看”rp.errcode”属性, 会看到404的返回值, 如果有这个文件就是200的返回值了! BRBR 相关链接
一个家伙不满意自带的这个东东, 自己又写了一个: http://nikitathespider.com/python/rerp/
robots.txt规范: http://www.robotstxt.org/wc/norobots.html