urllib.robotparser — Синтаксический анализатор для robots.txt

Исходный код: Lib/urllib/robotparser.py


Этот модуль предоставляет единственный класс RobotFileParser, который отвечает на вопросы о том, может ли конкретный пользовательский агент получить URL-адрес веб-сайта, на котором опубликован файл robots.txt. Более подробную информацию о структуре файлов robots.txt смотрите в разделе http://www.robotstxt.org/orig.html.

class urllib.robotparser.RobotFileParser(url='')

Этот класс предоставляет методы для чтения, синтаксического анализа и ответов на вопросы о файле robots.txt по адресу url.

set_url(url)

Задает URL-адрес, ссылающийся на файл robots.txt.

read()

Считывает URL-адрес robots.txt и передает его в синтаксический анализатор.

parse(lines)

Анализирует аргумент lines.

can_fetch(useragent, url)

Возвращает True, если useragent разрешено извлекать url в соответствии с правилами, содержащимися в проанализированном robots.txt файле.

mtime()

Возвращает время последней загрузки файла robots.txt. Это полезно для долго работающих веб-пауков, которым необходимо периодически проверять наличие новых файлов robots.txt.

modified()

Устанавливает текущее время для последней загрузки файла robots.txt.

crawl_delay(useragent)

Возвращает значение параметра Crawl-delay из robots.txt для соответствующего useragent. Если такого параметра нет, или он неприменим к указанному useragent, или запись robots.txt для этого параметра имеет недопустимый синтаксис, верните None.

Добавлено в версии 3.6.

request_rate(useragent)

Возвращает содержимое параметра Request-rate из robots.txt в виде named tuple RequestRate(requests, seconds). Если такого параметра нет, или он неприменим к указанному useragent, или запись robots.txt для этого параметра имеет недопустимый синтаксис, верните None.

Добавлено в версии 3.6.

site_maps()

Возвращает содержимое параметра Sitemap из robots.txt в виде list(). Если такого параметра нет или запись robots.txt для этого параметра имеет недопустимый синтаксис, верните None.

Добавлено в версии 3.8.

Следующий пример демонстрирует базовое использование класса RobotFileParser:

>>> import urllib.robotparser
>>> rp = urllib.robotparser.RobotFileParser()
>>> rp.set_url("http://www.musi-cal.com/robots.txt")
>>> rp.read()
>>> rrate = rp.request_rate("*")
>>> rrate.requests
3
>>> rrate.seconds
20
>>> rp.crawl_delay("*")
6
>>> rp.can_fetch("*", "http://www.musi-cal.com/cgi-bin/search?city=San+Francisco")
False
>>> rp.can_fetch("*", "http://www.musi-cal.com/")
True
Вернуться на верх