Web Crawler - 忽略Robots.txt文件？

Question

某些服务器具有robots.txt文件,以阻止网络抓取工具抓取其网站.有没有办法让网络抓取工具忽略robots.txt文件？我正在使用Mechanize for python.

Answer 1

mechanize 的文档有以下示例代码:

br = mechanize.Browser()
....
# Ignore robots.txt.  Do not do this without thought and consideration.
br.set_handle_robots(False)

这正是你想要的.

Answer 2

这看起来像你需要的:

from mechanize import Browser
br = Browser()

# Ignore robots.txt
br.set_handle_robots( False )

但你知道你在做什么......