Apify Bot (Crawlee / Apify Platform)

Apify Bot (Crawlee / Apify Platform) — Облачная платформа промышленного скрапинга на базе Node.js, Playwright и Puppeteer. Используется для коммерческого мониторинга цен и социальных сетей.

1. Общие сведения и назначение бота

Apify — крупная экосистема для запуска тысяч облачных парсеров. Разработчики используют фреймворк Crawlee и тысячи встроенных прокси-нод. Боты Apify эмулируют поведение пользователя, обходят защитные проверки, собирают карточки товаров, отзывы и контакты в масштабах миллионов страниц.

Оператором и разработчиком бота выступает Apify Technologies s.r.o.. Основная функциональная задача робота — систематический сбор данных, анализ гиперссылок и выкачивание текстовой информации со страниц сайтов. В зависимости от используемых скриптов бот может запрашивать как статические HTML-файлы, так и инициировать рендеринг тяжелых динамических страниц.

2. Сигнатуры User-Agent и сетевой профиль

В журналах веб-сервера (access.log) бот обычно идентифицирует себя следующими сигнатурами в заголовке User-Agent:

Mozilla/5.0 (compatible; ApifyBot/1.0; +https://apify.com/bot)

Crawlee/3.X (Node.js)

3. Создаваемая нагрузка и последствия для сайта

Нерегулируемая активность краулера может приводить к ощутимым проблемам как для технической инфраструктуры, так и для бизнес-показателей проекта:

• Регулярное автоматическое выкачивание изменений цен и остатков интернет-магазина
• Имитация действий пользователей через безголовый Chrome (Playwright)
• Использование пулов резидентных прокси для обхода блокировок по IP

Когда робот генерирует десятки параллельных запросов в секунду, каждый такой запрос инициирует запуск интерпретатора PHP, подключение к СУБД MySQL и генерацию HTML-страницы. На виртуальных хостингах это мгновенно исчерпывает лимиты тарифного плана (CPU, оперативная память, процессы PHP-FPM), из-за чего реальные посетители сталкиваются с медленной загрузкой или ошибками 502/504 Bad Gateway.

4. Влияние на поисковые позиции и рекламу

5. Проверка визитов бота в журналах сервера

Чтобы узнать, заходит ли данный робот на ваш сайт прямо сейчас и как часто он сканирует разделы, достаточно выполнить команду в консоли веб-сервера:

grep -E -i 'apify|crawlee' /var/log/nginx/access.log | tail -n 20

Примечание: если у вас обычный виртуальный хостинг без доступа по SSH (Beget, TimeWeb, Reg.ru, cPanel), откройте панель управления, найдите раздел «Журнал посещений» (или «Свежие логи») и воспользуйтесь поиском по названию бота или строке его User-Agent.

6. Рекомендация по обработке трафика

7. Способы ручной блокировки

Если вы хотите заблокировать робота на уровне веб-сервера вручную, используйте следующие директивы конфигурации:

if ($http_user_agent ~* (ApifyBot|Crawlee)) {
    return 444;
}

RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (ApifyBot|Crawlee) [NC]
RewriteRule .* - [F,L]

(http.user_agent contains "ApifyBot") or (http.user_agent contains "Crawlee")

User-agent: ApifyBot
Disallow: /

8. Причины неэффективности стандартных методов

В реальных условиях блокировка по User-Agent и директивы robots.txt защищают сайт лишь от примитивных скриптов. Продвинутые краулеры и парсеры обходят эти фильтры за счет трех факторов:

1. Подмена заголовков (спуфинг): бот отправляет User-Agent популярного десктопного браузера, из-за чего веб-сервер принимает его за обычного посетителя.
2. Ротация IP-адресов: запросы распределяются через сотни тысяч резидентных и мобильных прокси, делая блокировку по статическим IP неэффективной.
3. Headless-движки (Chromium, Puppeteer): эмуляторы полноценно исполняют JavaScript, проходя большинство поверхностных проверок.

9. Автоматическая нейтрализация в AntiBotCore

10. Часто задаваемые вопросы (FAQ)

11. Похожие сетевые боты и краулеры

Боты со схожим поведением или относящиеся к категории «Парсинг-API и прокси-сети»: