PaperLiBot

是否拦截PaperLiBot？

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 PaperLiBot 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。

# robots.txt
# 下列代码一般情况可以拦截该代理
User-agent: PaperLiBot
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。

PaperLiBot是Paper.li的网络爬虫的通用名称。

Paper.li是一项内容策划服务，让你把社会共享的内容变成美丽的在线报纸和通讯。

为什么PaperLiBot会抓取我的网站？

PaperLiBot可能因为以下原因开始抓取你的网站：

• 您的网站在社交媒体网站上被分享或参与了。
• 你的网站在宣传RSS订阅。
• 一个Paper.li用户正在将你的网站的一些内容添加到他们的论文中。

我的网站内容如何被使用？

您的内容可能被包含在Paper.li的一篇或多篇论文中。这些内容可以在论文网页上看到，也可以包含在电子邮件通讯和社会宣传中（Twitter、Facebook和LinkedIn）。

当您的内容被收录时，将采取以下格式：

• 一个指向原始内容URL（你的网站）的链接。
• 该页的标题（在内容被抓取时）。
• 在原始内容的URL上发现的图片缩略图。
• 内容的简短摘要（不超过200个字符）。
• 导致发现该内容的来源（社交媒体上的帖子、RSS feed条目、贡献者）。

关于爬虫的技术细节

当PaperLiBot爬虫访问您的网站时，它将发送一个有效的用户代理头，并从Paper.li的基础设施连接。

PaperLiBot的用户代理是：

Mozilla/5.0 (compatible; PaperLiBot/2.1; https://support.paper.li/entries/20023257-what-is-paper-li)

PaperLiBot被设计为同时在多台不同的机器上运行以提高性能和规模。因此，您的日志可能会显示来自我们基础设施内的几台机器的访问，我们的基础设施托管在OVHcloud（欧洲）和亚马逊网络服务（美国）。

PaperLiBot通常平均每几秒钟访问你的网站不超过一次。然而，由于社会媒体内容的病毒性质，有可能在短期内出现稍高的比率。

阻止PaperLiBot访问你的网站

如果您想阻止PaperLiBot抓取您网站上的内容，请与Paper.li联系，以便Paper.li将您的网站添加到Paper.li的封锁名单中，并阻止未来的内容被纳入Paper.li服务中。