如何为LWP :: RobotA指定自己的robots.txt规则

Question

我写了一个脚本，用LWP :: RobotUA检查我自己的网站。我想避免频繁请求我的robots.txt。

LWP :: RobotUA的规则参数应该允许我指定那些，但是我不知道应该为“允许所有页面”传递什么。

my $ua = LWP::RobotUA->new(agent=>'my-robot/0.1', from=>'me@foo.com', rules=> ??? );

Answer 1

LWP :: RobotUA是LWP :: UserAgent，添加了robots.txt支持。如果您不想请求robots.txt，那么只需使用LWP :: UserAgent。

或者，子类LWP :: RobotUA并覆盖simple_request方法并删除robots.txt和规则处理。

Answer 2

经过更多的研究，我认为提供机器人规则的目的是通过子类化WWW :: RobotRules。

{
    package WWW::NoRules;
    use vars qw(@ISA);
    use WWW::RobotRules;
    @ISA = qw(WWW::RobotRules::InCore);

    sub allowed {
        return 1;
    }
}

my $ua = LWP::RobotUA->new(agent=>'my-robot/0.1', from=>'me@foo.com', rules=>WWW::NoRules->new);