
265
9
장 웹 로봇
The Definitive Guide
의 능력을 이용하는 것으로 알려져 있다(구글
17
과 같은 몇몇 검색엔진은 그들이 크
롤링한 페이지들을 그대로 보관하기 때문에, 콘텐츠가 제거되더라도 일정 시간 동
안에는 여전히 검색되고 접근 가능하다).
동적 게이트웨이 접근
로봇들이 그들이 접근하고 있는 것에 대해 언제나 잘 알고 있는 것은 아니다. 로봇
은 게이트웨이 애플리케이션의 콘텐츠에 대한 URL로 요청을 할 수도 있다. 이 경우
얻은 데이터는 아마도 특수 목적을 위한 것일 테고 처리 비용이 많이 들 것이다. 많
은 웹 사이트 관리자가 게이트웨이에서 얻은 문서를 요청하는 순진한 로봇들을 좋
아하지 않는다.
9.4
로봇 차단하기
로봇 커뮤니티는 로봇에 의한 웹 사이트 접근이 유발할 수 있는 문제를 알고 있었
다. 1994년, 로봇이 그들에게 맞지 않는 장소에 들어오지 않도록 하고 웹 마스터에
게 로봇의 동작을 더 잘 제어할 수 있는 메커니즘을 제공하는 단순하고 자발적인
기법이 제안되었다. 이 표준은 “Robots Exclusion Standard”라고 이름 지어졌지만,
로봇의 접근을 제어하는 정보를 저장하는 파일의 이름을 따서 종종 그냥 robots.txt
라고 불린다.
robots.txt의 아이디어는 단순하다. 어떤 웹 서버는 서버의 문서 루트에 robots ...