SEO技术

[湖北SEO]李唐SEO:服务器反爬虫攻略:nginx禁止某

作者:[db:出处] 2019-11-18

网络上的爬虫非常多,有对网站收录有益的,比如百度蜘蛛(Baiduspider),也有不但不遵守robots规则对服务器造成压力...

网络上的爬虫非常多,有对网站收录有益的,比如百度蜘蛛(Baiduspider),也有不但不遵守robots规则对服务器造成压力,还不能为网站带来流量的无用爬虫,比如宜搜蜘蛛(YisouSpider)。

下面介绍怎么禁止这些无用的user agent访问网站。

进入到nginx安装目录下的conf目录,将如下代码保存为 agent_deny.conf

cd /usr/local/nginx/conf

vim agent_deny.conf

#禁止Scrapy等工具的抓取 if ($http_user_agent ~* (Scrapy|Curl|HttpClient)) { return 403; } #禁止指定UA及UA为空的访问 if ($http_user_agent ~ "FeedDemon|JikeSpider|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFee[湖北SEO]dParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|YisouSpider|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,在网站相关配置中的 location / { 之后插入如下代码:

include agent_deny.conf;

[湖北SEO]保存后,执行如下命令,平滑重启nginx即可:

/usr/local/nginx/sbin/nginx -s reload

模拟宜搜蜘蛛的抓取:

curl -I -A ‘YisouSpider’ http://网站链接

结果返回403

模拟UA为空的抓取:

curl -I -A ” http://网站链接

结果返回403

模拟百度蜘蛛的抓取:

curl -I -A ‘Baiduspider’ http://网站链接

结果返回200

下面是网络上常见的垃圾UA列表

FeedDemon 内容采集

BOT/0.1 (BOT for JCE) sql注入

CrawlDaddy sql注入

Java 内容采集

Jullo 内容采集

Feedly 内容采集

UniversalFeedParser 内容采集

ApacheBench cc攻击器

Swiftbot 无用爬虫

YandexBot 无用爬虫

AhrefsBot 无用爬虫

YisouSpider 无用爬虫

jikeSpider 无用爬虫

MJ12bot 无用爬虫

ZmEu phpmyadmin 漏洞扫描

WinHttp 采集cc攻击

EasouSpider 无用爬虫

HttpClient tcp攻击

Microsoft URL Control 扫描

YYSpider 无用爬虫

jaunty wordpress爆破扫描器

oBot 无用爬虫

Python-urllib 内容采集

Indy Library 扫描

FlightDeckReports Bot 无用爬虫

1.本站(SEO指南)遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创SEO文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • [甘肃SEO]租用香港站群服务器 站长seo优化的最爱

    [甘肃SEO]租用香港站群服务器 站长seo优化的最爱

  • [四川SEO]行业网站选择什么样的服务器-专业SEO技

    [四川SEO]行业网站选择什么样的服务器-专业SEO技

  • [云南SEO]所有人谈论云服务器的时候我却在谈论

    [云南SEO]所有人谈论云服务器的时候我却在谈论

  • [河北SEO]Windows服务器的配置-专业SEO技术教程(

    [河北SEO]Windows服务器的配置-专业SEO技术教程(