服务器屏蔽爬虫的方案
导读:进服务器后进入这个路径 nginx/conf 新建一个文件,文件名可以为:agent_deny.conf 复制以下代码到此文件:禁止Scrapy等爬虫工具的抓取if ($http_user_agent ~* "Scrapy|Sogo...
进服务器后进入这个路径 nginx/conf 新建一个文件,文件名可以为:agent_deny.conf 复制以下代码到此文件:
禁止Scrapy等爬虫工具的抓取
if ($http_user_agent ~* "Scrapy|Sogou web spider|compatible|Baiduspider|Lavf/|1.8.0.00757") {
return 403;
}
禁止指定UA及UA为空的访问
if ($http_user_agent ~ "compatible|FeedDemon|JikeSpider|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|YisouSpider|HttpClient|MJ12bot|heritrix|EasouSpider|LinkpadBot|Ezooms|^$" ){
return 403;
}
禁止非GET|HEAD|POST方式的抓取
if ($request_method !~ ^(GET|HEAD|POST)$) {
return 403;
}
针对特殊的user_agent的访问
if ($http_user_agent ~ "Mozilla/4.0\ \(compatible;
\ MSIE\ 6.0;
\ Windows\ NT\ 5.1;
\ SV1;
\ .NET\ CLR\ 1.1.4322;
\ .NET\ CLR\ 2.0.50727\)") {
return 404;
}
保存文件退出 进入站点的配置文件,按我箭头所示位置粘贴进这段代码:
include agent_deny.conf;
保存,退出,即可生效
注: 1、如果你只想禁止google的,就把compatible删了,改成Googlebot 2、最好的办法是禁止播放器爬虫,这样你的cms爱怎么被爬就怎么被爬
==============================
如果你只是想播放器不被爬虫,如果你的播放器主页是php的,那就在主页php文件最上方加入以下代码:
$theua='compatible|Baiduspider|YisouSpide';
$uapanduan=preg_match('('.$theua.')', $_SERVER['HTTP_USER_AGENT'], $uapd)?1:0;
if($uapanduan==1){
header('Location:https://www.baidu.com');
exit();
}
注:$theua='compatible|Baiduspider|YisouSpide'; 此参数可以自己修改
声明:本文内容由网友自发贡献,本站不承担相应法律责任。对本内容有异议或投诉,请联系2913721942#qq.com核实处理,我们将尽快回复您,谢谢合作!
若转载请注明出处: 服务器屏蔽爬虫的方案
本文地址: https://pptw.com/jishu/2723.html