OpenDocumentCrawler
OpenDocumentCrawler蜘蛛/爬虫属于其他类型,由Institut für Informatik – Humboldt-Universität zu Berlin开发运行。您可以继续阅读下方信息,以深入了解OpenDocumentCrawler基本信息,用户代理和访问控制等。
基本信息
OpenDocumentCrawler的基本信息如下表。但部分不是很规范的蜘蛛和爬虫,可能存在信息不明的情况。
蜘蛛/爬虫名称
OpenDocumentCrawler
类型
其他
开发商
Institut für Informatik - Humboldt-Universität zu Berlin
当前状态
活动
用户代理
关于OpenDocumentCrawler蜘蛛或者爬虫的用户代理字符串,IP地址和服务器,所在地等信息如下表格所示:
用户代理字符串
OpenDocumentCrawler/Nutch-1.13-SNAPSHOT (Collecting OpenDocument files for university research purposes, contact: opendocumentcrawler at gmail dot com ; opendocumentcrawler at gmail dot com)
首次出现
2017-03-05 01:41:58
最后出现
2017-05-05 13:34:27
遵循robots.txt
未知
来源
IP地址(1)
服务器名称
所属国家
141.20.21.42
gruenau8.informatik.hu-berlin.de
DE
访问控制
了解如何控制OpenDocumentCrawler访问权限,避免OpenDocumentCrawler抓取行为不当。
是否拦截OpenDocumentCrawler? 对于未知蜘蛛或者爬虫。它的用途对网站来说可能是好的,也可能是坏的,这取决于它是什么。所以说,这需要站长进一步分析判断这些尚不明确的爬虫行为,再作最终决定。
但,根据以往的经验,未声明行为目的及未命名的蜘蛛爬虫,通常都有不可告人的秘密,我们理应对其行为进行控制,比如拦截。
通过Robots.txt拦截
您可以通过在网站的 robots.txt 中设置用户代理访问规则来屏蔽 OpenDocumentCrawler 或限制其访问权限。我们建议安装 Spider Analyser
插件,以检查它是否真正遵循这些规则。
User-agent: OpenDocumentCrawler
# robots.txt
# 下列代码一般情况可以拦截该代理
User-agent: OpenDocumentCrawler
Disallow: /
# robots.txt
# 下列代码一般情况可以拦截该代理
User-agent: OpenDocumentCrawler
Disallow: /
您无需手动执行此操作,可通过我们的 Wordpress 插件 Spider Analyser 来拦截不必要的蜘蛛或者爬虫。