訓練用爬蟲
Scrapy 是由 Zyte 營運的機械人，會收集用於訓練 AI 模型的網頁。「AI 及機器學習應用通常需要大量優質資料，而網頁資料擷取是建立結構化資料集的快捷有效方法。營運者並未公布 IP 範圍清單或反向 DNS 規則，因此無法證明帶有此 user agent 的請求是否真實，單靠 robots.txt 規則亦無法阻止偽冒請求。
請求聲稱
"Scrapy"
核對依據
未有公佈
即時檢查
Scrapy 沒有營運者提供的驗證方法。此處仍會顯示該地址的真實身分。
參考資料
| User agent | Scrapy僅為標記：以子字串比對。 |
|---|---|
| 營運者 | Zyte |
| 用途 | 擷取資料作多種用途，包括訓練 AI。 |
| 遵守 robots.txt | 未有政策 |
| 驗證方法 | 僅憑聲稱未有公布，僅有 user agent Scrapy 是開源框架，並非單一營運者。此標記表示有人使用了預設設定；任何人都可以更改，因此看到此標記，反映的是營運者的疏忽，而非其身份。 |
| 爬取模式 | 未公布 |
| robots.txt 標記 | Scrapy |
| 營運者文件 | 未有公布 |
「AI 及機器學習應用通常需要大量優質資料，而網頁資料擷取是建立結構化資料集的快捷有效方法。」
robots.txt
選擇其中一項，貼到網域根目錄。規則按標記分別設定。
User-agent: Scrapy
Disallow: /User-agent: Scrapy
Allow: /User-agent: Scrapy
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search請修改 Disallow 路徑，使其符合你的網址。
FAQ
Scrapy 是由 Zyte 營運的機械人，會收集用於訓練 AI 模型的網頁。「AI 及機器學習應用通常需要大量優質資料，而網頁資料擷取是建立結構化資料集的快捷有效方法。營運者並未公布 IP 範圍清單或反向 DNS 規則，因此無法證明帶有此 user agent 的請求是否真實，單靠 robots.txt 規則亦無法阻止偽冒請求。
未有文件記載。營運者並無說明 Scrapy 是否讀取 robots.txt，因此請加入規則，並在日誌中確認請求確實停止。
無法核實，至少無法單憑請求本身核實。Scrapy 是開源框架，並非單一營運者。此標記表示有人使用了預設設定；任何人都可以更改，因此看到此標記，反映的是營運者的疏忽，而非其身份。建議改為將來源 IP 與託管及數據中心 IP 範圍比對，並對任何行為類似爬蟲的流量實施速率限制。
在 robots.txt 中為標記 Scrapy加入 Disallow: /。如該爬蟲不遵守 robots.txt，請改為在 CDN 或反向代理伺服器比對 user agent，並在該處回傳 403。
封鎖 Scrapy 可使你的網頁不被納入下一輪訓練。此舉不會刪除已收集的內容，亦不會影響網站在一般搜尋中的排名。