robotparser

注意

robotparser模块已urllib.robotparser在Python 3中重命名。当将源代码转换为Python 3时,2to3工具将自动适应导入。

该模块提供了一个类,RobotFileParser它回答关于特定用户代理是否可以在发布该robots.txt文件的网站上获取URL的问题。有关robots.txt文件结构的更多详细信息,请参阅http://www.robotstxt.org/orig.html

class robotparser.RobotFileParser(url='')

这个类提供了一些方法来读取,解析和回答有关urlrobots.txt文件的问题。

set_url(url)

设置引用robots.txt文件的URL 。

read()

读取robots.txtURL并将其提供给解析器。

parse(lines)

解析行参数。

can_fetch(useragent, url)

返回True是否允许useragent根据解析文件中包含的规则获取urlrobots.txt

mtime()

返回robots.txt文件上次获取的时间。这对于需要robots.txt定期检查新文件的长时间运行的网络蜘蛛非常有用。

modified()

设置robots.txt文件上次获取到当前时间的时间。

以下示例演示了RobotFileParser类的基本用法。

>>> import robotparser
>>> rp = robotparser.RobotFileParser()
>>> rp.set_url("http://www.musi-cal.com/robots.txt")
>>> rp.read()
>>> rp.can_fetch("*", "http://www.musi-cal.com/cgi-bin/search?city=San+Francisco")
False
>>> rp.can_fetch("*", "http://www.musi-cal.com/")
True

扫码关注云+社区

领取腾讯云代金券