关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。
想改进这个问题?将问题更新为 on-topic对于堆栈溢出。
4年前关闭。
Improve this question
我正在尝试获取 Web 服务器上某些文件的准确下载编号。我查看了用户代理,其中一些显然是机器人或网络爬虫,但对于很多人我不确定,它们可能是也可能不是网络爬虫,它们会导致大量下载,所以了解这些对我来说很重要。
是否有一些已知的网络爬虫列表以及一些文档,如用户代理、IP、行为等?
我对官方的不感兴趣,比如谷歌的、雅虎的或微软的。这些人通常表现良好且自我认同。
最佳答案
我正在使用 http://www.user-agents.org/通常作为引用,希望对您有所帮助。
你也可以试试http://www.robotstxt.org/db.html或 http://www.botsvsbrowsers.com .
关于list - 是否有已知的网络爬虫列表?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1733599/