爬虫识别支持 IPv6 地址访问 了解详情
CCBot 是一个基于 Nutch 的网络爬虫,它利用了 Apache Hadoop 项目。CCBot 使用 Map-Reduce 从爬网数据库中处理和提取目标候选者。该候选列表按主机(域名)排序,然后分发到一组蜘蛛(bot)服务器。
CCBot 是一个基于 Nutch 的网络爬虫,将抓取的数据致力于免费向互联网研究人员、公司和个人提供互联网副本,以进行研究和分析。
当前的 User-Agent 为:CCBot/2.0 (http://commoncrawl.org/faq/)
# | IP 地址 | Hostname | 国家代码 | 旗帜 |
---|---|---|---|---|
1 | 54.80.224.93 | ec2-54-80-224-93.compute-1.amazonaws.com | US | |
2 | 54.198.241.211 | ec2-54-198-241-211.compute-1.amazonaws.com | US | |
3 | 23.20.161.125 | ec2-23-20-161-125.compute-1.amazonaws.com | US | |
4 | 54.80.217.80 | ec2-54-80-217-80.compute-1.amazonaws.com | US | |
5 | 54.159.30.26 | ec2-54-159-30-26.compute-1.amazonaws.com | US | |
6 | 54.167.29.208 | ec2-54-167-29-208.compute-1.amazonaws.com | US | |
7 | 54.90.227.221 | ec2-54-90-227-221.compute-1.amazonaws.com | US | |
8 | 54.234.90.191 | ec2-54-234-90-191.compute-1.amazonaws.com | US | |
9 | 54.234.190.237 | ec2-54-234-190-237.compute-1.amazonaws.com | US | |
10 | 54.90.217.44 | ec2-54-90-217-44.compute-1.amazonaws.com | US |
CCBot 是一个基于 Nutch 的网络爬虫,将抓取的数据致力于免费向互联网研究人员、公司和个人提供互联网副本,以进行研究和分析。
当前的 User-Agent 为:CCBot/2.0 (https://commoncrawl.org/faq/)
# | IP 地址 | Hostname | 国家代码 | 旗帜 |
---|---|---|---|---|
1 | 18.97.14.90 | 18-97-14-90.crawl.commoncrawl.org | US | |
2 | 44.197.195.138 | ec2-44-197-195-138.compute-1.amazonaws.com | US | |
3 | 18.97.14.83 | 18-97-14-83.crawl.commoncrawl.org | US | |
4 | 18.97.14.81 | 18-97-14-81.crawl.commoncrawl.org | US | |
5 | 18.97.14.88 | 18-97-14-88.crawl.commoncrawl.org | US | |
6 | 18.97.9.175 | 18-97-9-175.crawl.commoncrawl.org | US | |
7 | 18.97.9.173 | 18-97-9-173.crawl.commoncrawl.org | US | |
8 | 3.234.222.163 | ec2-3-234-222-163.compute-1.amazonaws.com | US | |
9 | 100.28.231.85 | ec2-100-28-231-85.compute-1.amazonaws.com | US | |
10 | 3.235.145.252 | ec2-3-235-145-252.compute-1.amazonaws.com | US |