Diffbot

Diffbot蜘蛛/爬虫属于爬虫类型,由Diffbot Technologies Corp.开发运行。您可以继续阅读下方信息,以深入了解Diffbot基本信息,用户代理和访问控制等。

基本信息

Diffbot的基本信息如下表。但部分不是很规范的蜘蛛和爬虫,可能存在信息不明的情况。
蜘蛛/爬虫名称
Diffbot
类型
爬虫
开发商
Diffbot Technologies Corp.
当前状态
活动

用户代理

关于Diffbot蜘蛛或者爬虫的用户代理字符串,IP地址和服务器,所在地等信息如下表格所示:
Doximity-Diffbot
用户代理字符串
Doximity-Diffbot
首次出现
2020-03-03 06:23:49
最后出现
2020-06-21 05:40:17
遵循robots.txt
未知
来源
IP地址(4) 服务器名称 所属国家
216.218.141.227 216.218.141.227 US
216.218.147.201 216.218.147.201 US
64.62.158.115 64.62.158.115 US
216.218.191.198 216.218.191.198 US
用户代理字符串
Snap/1.0 (+https://www.diffbot.com/dev/docs/crawl/)
首次出现
2020-03-26 21:30:16
最后出现
2020-06-09 14:22:52
遵循robots.txt
未知
用户代理字符串
Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.15 (KHTML like Gecko; +http://www.diffbot.com) Chrome/24.0.1295.0 Safari/537.15
首次出现
2015-04-18 17:18:06
最后出现
2014-11-10 04:12:54
遵循robots.txt
未知
来源
IP地址(1) 服务器名称 所属国家
64.71.190.136 ? US
用户代理字符串
Mozilla/5.0 (compatible; Diffbot/0.1; +http://www.diffbot.com)
首次出现
2013-07-01 15:23:14
最后出现
2013-07-02 14:52:46
遵循robots.txt
未知
来源
IP地址(1) 服务器名称 所属国家
216.218.141.226 ? US
64.62.210.41 64.62.210.41 US
216.218.141.229 216.218.141.229 US
35.224.220.22 22.220.224.35.bc.googleusercontent.com US
216.218.191.201 216.218.191.201 US
64.62.210.38 64.62.210.38 US
184.105.108.8 184.105.108.8 US
64.71.166.36 ? CA
64.71.166.40 ? US
184.105.108.3 184.105.108.3 US
64.62.210.42 64.62.210.42 US
216.218.141.228 ? US
65.19.141.115 ? US
65.19.141.120 65.19.141.120 US
64.62.210.35 64.62.210.35 US
216.218.147.196 216.218.147.196 US
173.212.212.4 ? US
64.71.166.34 64.71.166.34 US
184.105.108.5 184.105.108.5 US
216.218.191.197 ? US
172.177.140.56 172.177.140.56 DE
34.122.121.103 103.121.122.34.bc.googleusercontent.com US
172.177.138.8 172.177.138.8 DE
34.136.148.215 215.148.136.34.bc.googleusercontent.com US
用户代理字符串
Mozilla/5.0 (compatible; Diffbot/0.1; +http://www.diffbot.com)
首次出现
2013-07-01 15:23:14
最后出现
2013-07-02 14:52:46
遵循robots.txt
未知
来源
IP地址(1) 服务器名称 所属国家
173.212.212.4 ? US

访问控制

了解如何控制Diffbot访问权限,避免Diffbot抓取行为不当。

是否拦截Diffbot?

可以考虑拦截。。爬虫通常会下载公开的互联网内容,这些内容默认情况下可以免费访问。不过,如果你不希望你的内容被用于未经授权的目的,你应该拦截它们。

通过Robots.txt拦截

您可以通过在网站的 robots.txt 中设置用户代理访问规则来屏蔽 Diffbot 或限制其访问权限。我们建议安装 Spider Analyser 插件,以检查它是否真正遵循这些规则。

	# robots.txt
	# 下列代码一般情况可以拦截该代理
	
	User-agent: Diffbot
	Disallow: /

您无需手动执行此操作,可通过我们的 Wordpress 插件 Spider Analyser 来拦截不必要的蜘蛛或者爬虫。

常见蜘蛛/爬虫

Common Spiders

相关文章

Related Articles