训练爬虫
Scrapy 是由 Zyte 运营的机器人，它会收集网页用于训练 AI 模型。“AI 和机器学习应用通常需要大量高质量数据，而网页数据提取是构建结构化数据集的一种快速、高效的方式。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，仅靠 robots.txt 规则也无法阻止伪造请求。
请求声明
"Scrapy"
核验依据
未公布
实时检查
Scrapy 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 | Scrapy仅为标识符：按子串匹配。 |
|---|---|
| 运营方 | Zyte |
| 用途 | 抓取数据用于多种用途，包括训练 AI。 |
| 是否遵守 robots.txt | 未声明 |
| 验证方法 | 仅自称未公布，仅凭 user agent Scrapy 是一个开源框架，而不是某个特定的运营方。出现该标识说明有人使用了默认设置；任何人都可以修改它，因此它更多反映的是运营方的疏忽，而不是其身份。 |
| 抓取模式 | 未公布 |
| robots.txt 标识符 | Scrapy |
| 运营方文档 | 未发布 |
“AI 和机器学习应用通常需要大量高质量数据，而网页数据提取是构建结构化数据集的一种快速、高效的方式。”
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: Scrapy
Disallow: /User-agent: Scrapy
Allow: /User-agent: Scrapy
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search请修改 Disallow 路径，使其与你自己的 URL 一致。
FAQ
Scrapy 是由 Zyte 运营的机器人，它会收集网页用于训练 AI 模型。“AI 和机器学习应用通常需要大量高质量数据，而网页数据提取是构建结构化数据集的一种快速、高效的方式。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，仅靠 robots.txt 规则也无法阻止伪造请求。
无文档说明。运营方未说明 Scrapy 是否读取 robots.txt，因此请添加规则，并通过日志确认请求确实已停止。
无法验证，至少无法仅凭请求本身验证。Scrapy 是一个开源框架，而不是某个特定的运营方。出现该标识说明有人使用了默认设置；任何人都可以修改它，因此它更多反映的是运营方的疏忽，而不是其身份。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 Scrapy 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 Scrapy 可使你的网页不进入下一轮训练。它不会删除已收集的内容，也不会影响网站在普通搜索中的排名。