数据集构建器
omgili 是由 Webz.io 运营的机器人，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。omgili 为 Webz.io 抓取网站。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
"omgili"
核验依据
未公布
实时检查
omgili 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 | omgili仅为标识符：按子串匹配。 |
|---|---|
| 运营方 | Webz.io |
| 用途 | 授权给客户的网络数据源。 |
| 是否遵守 robots.txt | 遵守来源 |
| 验证方法 | 仅自称未公布，仅凭 user agent Webz.io 将其抓取结果作为授权数据源出售，因此屏蔽它可以限制今后对您网页的收集。未公布地址列表。 https://webz.io/blog/web-data/what-is-the-omgili-bot-and-why-is-it-crawling-your-website/ |
| 抓取模式 | 未公布 |
| robots.txt 标识符 | omgiliomgilibot |
| 运营方文档 | 未发布 |
omgili 为 Webz.io 抓取网站。Webz.io 提供网络数据源，供监测和分析公司使用，并授权用于包括研究和 LLM 训练在内的用途。
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: omgili
User-agent: omgilibot
Disallow: /User-agent: omgili
User-agent: omgilibot
Allow: /User-agent: omgili
User-agent: omgilibot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search请修改 Disallow 路径，使其与你自己的 URL 一致。
FAQ
omgili 是由 Webz.io 运营的机器人，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。omgili 为 Webz.io 抓取网站。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 omgili 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。Webz.io 将其抓取结果作为授权数据源出售，因此屏蔽它可以限制今后对您网页的收集。未公布地址列表。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 中为这些 user agent 标识（omgili, omgilibot）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 omgili 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。