小知识：服务器反爬虫攻略：Apache/Nginx/PHP禁止某些User Agent抓取网站

 以下是服务器反爬虫攻略：Apache/Nginx/PHP禁止某些User Agent抓取网站，希望对大家有所帮助。

一、Apache

①、通过修改 .htaccess 文件

修改网站目录下的.htaccess，添加如下代码即可(2 种代码任选)：

可用代码 (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] 

可用代码 (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 fromall Deny from env=BADBOT 

②、通过修改 httpd.conf 配置文件

找到如下类似位置，根据以下代码 新增 / 修改，然后重启 Apache 即可：

Shell

DocumentRoot /home/wwwroot/xxx  <Directory “/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 fromall        deny from env=BADBOT  </Directory> 

二、Nginx 代码

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|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，在网站相关配置中的 location / { 之后插入如下代码：

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;          #这个位置新增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，执行如下命令，平滑重启 nginx 即可：

Shell

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

三、PHP 代码

将如下方法放到贴到网站入口文件 index.php 中的第一个