Scrapy в логах сайта: что это и как ограничить
Фреймворк для парсинга сайтов на Python. В User-Agent по умолчанию есть слово Scrapy, но авторы парсеров часто его меняют.
| Владелец | фреймворк Python |
|---|---|
| Тип | Парсеры и скрипты |
| Имя в User-Agent и robots.txt | Scrapy |
Соблюдает ли Scrapy robots.txt
В новых проектах Scrapy по умолчанию учитывает robots.txt (настройка ROBOTSTXT_OBEY), но автор может её выключить.
Как ограничить Scrapy
robots.txt здесь не поможет: скрипт может его не читать. Ограничивайте на сервере, например в nginx:
if ($http_user_agent ~* "Scrapy") {
return 403;
}Но название в User-Agent меняется одной строкой кода — опытный парсер представится обычным браузером. Тогда помогают только поведенческие признаки.
Видно ли Scrapy в Яндекс Метрике
Нет. Scrapy не выполняет JavaScript, а счётчики Метрики и Трафло работают на JavaScript. Такие запросы видны только в логах сервера. В Метрику попадают боты на настоящих браузерах — их и нужно отделять.