7 月初埃隆馬斯克帶領的原已經(jīng)有搜 X 曾屏蔽谷歌搜索爬蟲抓取內(nèi)容，這導致谷歌搜索無法在用戶搜索 X 用戶名時展示最新的推特推文摘要，不過后面 X 對谷歌解封了。屏蔽

但其他搜索引擎就沒那么幸運了，除谷如果使用 site:twitter.com 指令在必應搜索上查詢的歌外話，你會發(fā)現(xiàn)必應收錄的索引 X 內(nèi)容只有 12.1 萬條，而谷歌搜索則是擎阻 4.22 億條。

發(fā)生了什么？止數(shù)抓原因是 X 屏蔽了除谷歌搜索以外的所有搜索引擎爬蟲，至于原因嘛也很簡單，據(jù)被埃隆馬斯克不想 X 的藍點數(shù)據(jù)被其他人抓取拿去訓練 AI，所有屏蔽了諸如 Bingbot、原已經(jīng)有搜MSNbot、推特Yandex 等搜索引擎爬蟲。屏蔽

那谷歌為什么是例外的呢？估計馬斯克都要罵街了，因為之前有傳聞稱杰克多西時代的歌外推特與谷歌達成了相關協(xié)議，允許谷歌抓取內(nèi)容，目前這一協(xié)議尚未到期。

藍點網(wǎng)通過互聯(lián)網(wǎng)檔案館排查發(fā)現(xiàn)，X 是在 2023 年 7 月 24 日執(zhí)行屏蔽操作的，更新后的 robots.txt 文件僅允許 Googlebot 抓取內(nèi)容，其他所有爬蟲均被封禁。

所以現(xiàn)在諸如必應搜索上的推特內(nèi)容極少也就是這個原因，后面估計索引數(shù)量會進一步降低，如果谷歌的協(xié)議到期了估計內(nèi)容也都會消失。

不過 robots.txt 畢竟只是君子協(xié)定 (這不是法律規(guī)定，之前某大數(shù)字被某度起訴抓取某度百科內(nèi)容時，就辯稱這是 robots.txt 只是行業(yè)管理而非法律規(guī)定)，所以仍然有各種來路不明的爬蟲試圖抓取推特上的內(nèi)容拿去賣數(shù)據(jù)。

對于這種情況埃隆馬斯克也早有準備，在協(xié)議規(guī)定未經(jīng)同意獲取內(nèi)容屬于違反協(xié)議的行為，馬斯克對這些未經(jīng)同意的抓取行為直接起訴。

附 X robots.txt 的最新內(nèi)容：

# Google Search Engine Robot# ==========================User-agent: GooglebotAllow: /?_escaped_fragment_Allow: /*?lang=Allow: /hashtag/*?src=Allow: /search?q=%23Allow: /i/api/Disallow: /search/realtimeDisallow: /search/usersDisallow: /search/*/gridAllow: /*?ref_src=Allow: /*?src=Disallow: /*?Disallow: /*/followersDisallow: /*/followingDisallow: /account/deactivatedDisallow: /settings/deactivated# 下面的指令代表禁止搜索爬蟲抓取內(nèi)容# ========================================================User-agent: *Disallow: /

最新評論