Overige geautomatiseerde crawlers
Panscient is een bot die automatisch het web crawlt. Verzamelt gegevens over bedrijven en zakelijke professionals en structureert die met AI en machine learning. Volgens de documentatie respecteert hij robots.txt, maar 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.
Verzoek meldt
"Panscient"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor Panscient bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | PanscientAlleen token: match op de substring. |
|---|---|
| Beheerder | Panscient |
| Doel | Verzamelen en analyseren van gegevens met machine learning en AI. |
| Respecteert robots.txt | Respecteertbron |
| 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 | De Panscient-webcrawler vraagt hoogstens één keer per seconde een pagina op van dezelfde domeinnaam of hetzelfde IP-adres. |
| robots.txt-tokens | Panscientpanscient.com |
| Documentatie van de beheerder | Niets gepubliceerd |
Verzamelt gegevens over bedrijven en zakelijke professionals en structureert die met AI en machine learning.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: Panscient
User-agent: panscient.com
Disallow: /User-agent: Panscient
User-agent: panscient.com
Allow: /User-agent: Panscient
User-agent: panscient.com
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je Panscient blokkeert, stop je alleen dit specifieke token. Controleer daarna je logs, want beheerders die robots.txt negeren komen vaak terug onder een andere naam.
Maak een bestand voor alle crawlersFAQ
Panscient is een bot die automatisch het web crawlt. Verzamelt gegevens over bedrijven en zakelijke professionals en structureert die met AI en machine learning. Volgens de documentatie respecteert hij robots.txt, maar 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.
Ja. De beheerder documenteert dat Panscient robots.txt leest en Disallow-regels voor het eigen token volgt. Regels gaan in zodra het bestand opnieuw wordt opgehaald, en dat kan uren of dagen na publicatie zijn.
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 deze user-agent-tokens (Panscient, panscient.com) 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 Panscient blokkeert, stop je alleen dit specifieke token. Controleer daarna je logs, want beheerders die robots.txt negeren komen vaak terug onder een andere naam.