Creadores de datasets
PanguBot es un bot operado por the Chinese company Huawei que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. PanguBot es un rastreador web operado por la empresa china Huawei. No se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica, y una regla en robots.txt no basta para frenar una suplantación.
La solicitud dice
"PanguBot"
Se comprueba con
Nada publicado
Comprobación en directo
No hay ninguna verificación del operador para PanguBot. Aun así, aquí ves qué es realmente la dirección.
Referencia
| User agent | PanguBotSolo token: busca coincidencias con la subcadena. |
|---|---|
| Operador | the Chinese company Huawei |
| Finalidad | Creadores de datasets |
| Respeta robots.txt | Sin política |
| Método de verificación | Solo declaradoNada publicado, solo user agent No se ha publicado ningún archivo de rangos de IP ni ninguna convención de DNS inverso para este agente. La cadena de user agent es la única señal y cualquier cliente puede enviarla, así que considera una coincidencia como una declaración y no como una prueba. |
| Patrón de rastreo | No publicado |
| Tokens de robots.txt | PanguBot |
| Documentación del operador | No hay ninguna publicada |
PanguBot es un rastreador web operado por la empresa china Huawei. Se usa para descargar datos de entrenamiento para su LLM (modelo de lenguaje grande) multimodal llamado PanGu.
robots.txt
Pega una en la raíz de tu dominio. Las reglas se aplican por token.
User-agent: PanguBot
Disallow: /User-agent: PanguBot
Allow: /User-agent: PanguBot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchCambia las rutas de Disallow para que coincidan con tus URLs.
Bloquear PanguBot deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.
Crea un archivo para todos los rastreadoresFAQ
PanguBot es un bot operado por the Chinese company Huawei que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. PanguBot es un rastreador web operado por la empresa china Huawei. No se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica, y una regla en robots.txt no basta para frenar una suplantación.
No está documentado. Ninguna declaración del operador indica si PanguBot lee robots.txt, así que añade la regla pero comprueba en tus registros que las solicitudes realmente se detienen.
No puedes, al menos no a partir de la propia solicitud. No se ha publicado ningún archivo de rangos de IP ni ninguna convención de DNS inverso para este agente. La cadena de user agent es la única señal y cualquier cliente puede enviarla, así que considera una coincidencia como una declaración y no como una prueba. En su lugar, compara la IP de origen con rangos de hosting y de centros de datos, y limita la frecuencia de todo lo que se comporte como un rastreador.
Añade el token PanguBot a robots.txt con Disallow: /. Si el rastreador ignora robots.txt, filtra el user agent en tu CDN o proxy inverso y devuelve allí un 403.
Bloquear PanguBot deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.