
258
HTTP
2
부 HTTP 아키텍처
URL
/사이트 블랙리스트
로봇 순환을 만들어 내거나 함정인 것으로 알려진 사이트와 URL의 목록을 만들어
관리하고 그들을 전염병 피하듯 피한다. 문제를 일으키는 사이트나 URL이 발견될
때마다 이 블랙리스트에 추가한다.
이는 사람의 손을 필요로 한다. 그러나 오늘날 실제 사용 중인 대부분의 대규모
크롤러들은 어떤 문제를 내재하고 있거나 악의적인 것이 확실한 사이트들을 피하
기 위해 사용하는 몇 가지 형태의 블랙리스트를 가지고 있다. 블랙리스트는 크롤링
되는 것을 싫어하는 특정 사이트를 피하기 위해 사용될 수 있다.
7
패턴 발견
파일 시스템의 심벌릭 링크를 통한 순환과 그와 비슷한 오설정들은 일정 패턴을 따
르는 경향이 있다. 예를 들어, URL은 중복된 구성 요소와 함께 점점 길어질 수도 있
다. 몇몇 로봇은 반복되는 구성요소를 가진 URL을 잠재적인 순환으로 보고, 둘 혹
은 셋 이상의 반복된 구성요소를 갖고 있는 URL을 크롤링하는 것을 거절한다.
반복이 ‘/subdir/subdir/subdir...’과 같이 단순한 것만 있는 것은 아니다. ‘/subdir/
images/subdir/images/subdir/images/...’과 같이 주기의 길이가 2 이상인 반복도
있을 수 있다. 몇몇 로봇은 몇 가지 다른 주기의 반복 ...