Datasetbouwers
PanguBot is een bot van the Chinese company Huawei die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. PanguBot is een webcrawler van het Chinese bedrijf Huawei. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Verzoek meldt
"PanguBot"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor PanguBot bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | PanguBotAlleen token: match op de substring. |
|---|---|
| Beheerder | the Chinese company Huawei |
| Doel | Datasetbouwers |
| Respecteert robots.txt | Geen beleid |
| Verificatiemethode | Alleen beweringNiets gepubliceerd, alleen user agent Voor deze agent is geen bestand met IP-bereiken en geen reverse-DNS-conventie gepubliceerd. De user-agent-string is het enige signaal, en elke client kan die meesturen. Zie een match daarom als een bewering en niet als bewijs. |
| Crawlpatroon | Niet gepubliceerd |
| robots.txt-tokens | PanguBot |
| Documentatie van de beheerder | Niets gepubliceerd |
PanguBot is een webcrawler van het Chinese bedrijf Huawei. Hij wordt gebruikt om trainingsdata te downloaden voor het multimodale LLM (Large Language Model) PanGu.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: PanguBot
Disallow: /User-agent: PanguBot
Allow: /User-agent: PanguBot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je PanguBot blokkeert, komen je pagina's niet in de datasets die hij uit toekomstige crawls samenstelt. Eerder verzamelde gegevens worden niet verwijderd, en hoe elke beheerder zijn data gebruikt of deelt verschilt. Lees daarom hun beleid.
Maak een bestand voor alle crawlersFAQ
PanguBot is een bot van the Chinese company Huawei die pagina's crawlt voor een dataset die mogelijk wordt hergebruikt of met derden gedeeld. PanguBot is een webcrawler van het Chinese bedrijf Huawei. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Niet gedocumenteerd. Geen enkele beheerder heeft verklaard of PanguBot robots.txt leest. Voeg de regel dus toe, maar controleer in je logs of de verzoeken echt stoppen.
Dat kan niet, in elk geval niet op basis van het verzoek zelf. Voor deze agent is geen bestand met IP-bereiken en geen reverse-DNS-conventie gepubliceerd. De user-agent-string is het enige signaal, en elke client kan die meesturen. Zie een match daarom als een bewering en niet als bewijs. Vergelijk in plaats daarvan het bron-IP met hosting- en datacenterranges, en pas rate limiting toe op alles wat zich als een crawler gedraagt.
Voeg het token PanguBot toe aan robots.txt met Disallow: /. Negeert de crawler robots.txt, filter dan op de user agent in je CDN of reverse proxy en geef daar een 403 terug.
Als je PanguBot blokkeert, komen je pagina's niet in de datasets die hij uit toekomstige crawls samenstelt. Eerder verzamelde gegevens worden niet verwijderd, en hoe elke beheerder zijn data gebruikt of deelt verschilt. Lees daarom hun beleid.