数据集构建器
Crawlspace 是一个机器人，它会将网页抓取到数据集中，这些数据集可能被复用或与第三方共享。Crawlspace 是一个网页爬虫平台，为 AI 智能体、RAG 应用和结构化数据工作流抓取并提取网站内容。文档说明它遵守 robots.txt，但运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的。
请求声明
"Crawlspace"
核验依据
未公布
实时检查
Crawlspace 没有可供核验的运营方信息。此处仍会显示该地址的真实情况。
参考
| User agent | Crawlspace仅为标识符：按子串匹配。 |
|---|---|
| 运营方 | Crawlspace |
| 用途 | 数据集构建器 |
| 是否遵守 robots.txt | 遵守来源 |
| 验证方法 | 仅自称未公布，仅凭 user agent 该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。 |
| 抓取模式 | 未公布 |
| robots.txt 标识符 | Crawlspace |
| 运营方文档 | 未发布 |
Crawlspace 是一个网页爬虫平台，为 AI 智能体、RAG 应用和结构化数据工作流抓取并提取网站内容。
robots.txt
选择一项粘贴到域名根目录下。规则按标识符分别生效。
User-agent: Crawlspace
Disallow: /User-agent: Crawlspace
Allow: /User-agent: Crawlspace
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search请修改 Disallow 路径，使其与你自己的 URL 一致。
FAQ
Crawlspace 是一个机器人，它会将网页抓取到数据集中，这些数据集可能被复用或与第三方共享。Crawlspace 是一个网页爬虫平台，为 AI 智能体、RAG 应用和结构化数据工作流抓取并提取网站内容。文档说明它遵守 robots.txt，但运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的。
是。运营方在文档中说明 Crawlspace 会读取 robots.txt，并遵守针对其自身标识的 Disallow 规则。规则在下次抓取该文件时生效，可能是发布后数小时或数天。
无法验证，至少无法仅凭请求本身验证。该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。可改为将来源 IP 与托管和数据中心的 IP 范围进行比对，并对任何表现得像爬虫的流量进行限速。
在 robots.txt 中为 Crawlspace 标识添加 Disallow: /。如果该爬虫不遵守 robots.txt，请在 CDN 或反向代理上匹配其 user agent 并返回 403。
屏蔽 Crawlspace 可使你的网页不进入其通过后续抓取构建的数据集。它不会删除之前已收集的内容。各运营方使用或共享数据的方式不同，请查阅其政策。