]> granicus.if.org Git - python/commit
Issue 21469: Mitigate risk of false positives with robotparser.
authorRaymond Hettinger <python@rcn.com>
Tue, 13 May 2014 04:56:33 +0000 (21:56 -0700)
committerRaymond Hettinger <python@rcn.com>
Tue, 13 May 2014 04:56:33 +0000 (21:56 -0700)
commit122541beceeccce4ef8a9bf739c727ccdcbf2f28
tree108f7af0fdfa681b11fb8685f6bf1a7741582c30
parent73308d6869911d353cb58b353f64797cdba9bf0a
Issue 21469:  Mitigate risk of false positives with robotparser.

* Repair the broken link to norobots-rfc.txt.

* HTTP response codes >= 500 treated as a failed read rather than as a not
found.  Not found means that we can assume the entire site is allowed.  A 5xx
server error tells us nothing.

* A successful read() or parse() updates the mtime (which is defined to be "the
  time the robots.txt file was last fetched").

* The can_fetch() method returns False unless we've had a read() with a 2xx or
4xx response.  This avoids false positives in the case where a user calls
can_fetch() before calling read().

* I don't see any easy way to test this patch without hitting internet
resources that might change or without use of mock objects that wouldn't
provide must reassurance.
Lib/urllib/robotparser.py