一、Apache

①、通過修改 .htaccess 文件

修改網(wǎng)站目錄下的.htaccess，添加如下代碼即可(2 種代碼任選)：

可用代碼 (1)：

RewriteEngine On 
RewriteCond %{HTTP_USER_AGENT} (^$|FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python–urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms) [NC] 
RewriteRule ^(.*)$ – [F] 

可用代碼 (2)：

SetEnvIfNoCase ^User–Agent$ .*(FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python–urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms) BADBOT 
Order Allow,Deny 
Allow from all 
Deny from env=BADBOT 

②、通過修改 httpd.conf 配置文件

找到如下類似位置，根據(jù)以下代碼 新增 / 修改，然后重啟 Apache 即可：

Shell

DocumentRoot /home/wwwroot/xxx 
 
SetEnvIfNoCase User–Agent “.*(FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms)” BADBOT 
        Order allow,deny 
        Allow from all 
       deny from env=BADBOT 
 

二、Nginx 代碼

進入到 nginx 安裝目錄下的 conf 目錄，將如下代碼保存為 agent_deny.conf

cd /usr/local/nginx/conf 
vim agent_deny.conf 

#禁止Scrapy等工具的抓取 
if ($http_user_agent ~* (Scrapy|Curl|HttpClient)) { 
     return 403; 
} 
#禁止指定UA及UA為空的訪問 
if ($http_user_agent ~* “FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms|^$” ) { 
     return 403;             
} 
#禁止非GET|HEAD|POST方式的抓取 
if ($request_method !~ ^(GET|HEAD|POST)$) { 
    return 403; 
} 

然后，在網(wǎng)站相關配置中的 location / { 之后插入如下代碼：

Shell

include agent_deny.conf; 

如下的配置：

Shell

[marsge@Mars_Server ~]$ cat /usr/local/nginx/conf/zhangge.conf 
location / { 
        try_files $uri $uri/ /index.php?$args; 
        #這個位置新增1行： 
        include agent_deny.conf; 
        rewrite ^/sitemap_360_sp.txt$ /sitemap_360_sp.php last; 
        rewrite ^/sitemap_baidu_sp.xml$ /sitemap_baidu_sp.php last; 
        rewrite ^/sitemap_m.xml$ /sitemap_m.php last; 

保存后，執(zhí)行如下命令，平滑重啟 nginx 即可：

Shell

/usr/local/nginx/sbin/nginx –s reload 

三、PHP 代碼

將如下方法放到貼到網(wǎng)站入口文件 index.php 中的第一個

PHP

//獲取UA信息 
$ua = $_SERVER[‘HTTP_USER_AGENT’]; 
//將惡意USER_AGENT存入數(shù)組 
$now_ua = array(‘FeedDemon ‘,‘BOT/0.1 (BOT for JCE)’,‘CrawlDaddy ‘,‘Java’,‘Feedly’,‘UniversalFeedParser’,‘ApacheBench’,‘Swiftbot’,‘ZmEu’,‘Indy Library’,‘oBot’,‘jaunty’,‘YandexBot’,‘AhrefsBot’,‘MJ12bot’,‘WinHttp’,‘EasouSpider’,‘HttpClient’,‘Microsoft URL Control’,‘YYSpider’,‘jaunty’,‘Python-urllib’,‘lightDeckReports Bot’); 
//禁止空USER_AGENT，dedecms等主流采集程序都是空USER_AGENT，部分sql注入工具也是空USER_AGENT 
if(!$ua) { 
    header(“Content-type: text/html; charset=utf-8”); 
    die(‘請勿采集本站，因為采集的站長木有小JJ！’); 
}else{ 
    foreach($now_ua as $value ) 
//判斷是否是數(shù)組中存在的UA 
    if(eregi($value,$ua)) { 
        header(“Content-type: text/html; charset=utf-8”); 
        die(‘請勿采集本站，因為采集的站長木有小JJ！’); 
    } 
} 

四、測試效果

如果是 VPS，那非常簡單，使用 curl -A 模擬抓取即可，比如：

模擬宜搜蜘蛛抓?。?/p>

Shell

curl –I –A ‘YisouSpider’ bizhi.bcoderss.com 

模擬 UA 為空的抓?。?/p>

Shell

curl –I –A ” bizhi.bcoderss.com 

模擬百度蜘蛛的抓?。?/p>

Shell

curl –I –A ‘Baiduspider’ bizhi.bcoderss.com  

分享標題：怎樣禁止服務器爬蟲？
本文URL：http://www.aaarwkj.com/news/99765.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供微信公眾號、定制開發(fā)、網(wǎng)站改版、網(wǎng)站收錄、標簽優(yōu)化、軟件開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)