认识robots协议

robots协议的作用：

Robots协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。是网络资源提供者与搜索引擎之间的道德约定。

robot协议的位置：

robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（比如http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。

解析亚马逊网站的robots协议：

1.浏览器地址栏输入：https://www.amazon.com/robots.txt，查看robots协议

User-agent: * ——表示所列规则对所有爬虫都适用
此外，亚马逊还对两个爬虫代理进行了特殊规定：

User-agent: Googlebot

User-agent: EtaoSpider

被User-agent指明的爬虫代理，还需遵守User-agent: agentName下所列规则。

2.查看User-agent: *下，Allow项

Allow: /wishlist/universal* #####表示允许爬虫代理访问，wishlist目录下，所有以universal开头的内容

Allow: /wishlist/vendor-button*    
Allow: /wishlist/get-button*    
Allow: /gp/wishlist/universal*   
Allow: /gp/wishlist/vendor-button*   
Allow: /gp/wishlist/ipad-install*  
Allow: /gp/dmusic/promotions/PrimeMusic     #####表示允许爬虫代理访问，PrimeMusic目录下的所有内容
Allow: /gp/dmusic/promotions/AmazonMusicUnlimited
Allow: /gp/offer-listing/B000
Allow: /gp/offer-listing/9000

3.查看Allow项对应的网页内容

1）wishlist：

Image.png

2）PrimeMusic：

Image [2].png

3）AmazonMusicUnlimited

Image [3].png