伺服器反爬蟲攻略：Apache/Nginx/PHP禁止某些User Agent抓取網站
摘要：
一、Apache
①、通過修改 .htaccess 檔案
修改網站目錄下的.htaccess，新增如下程式碼即可(2 種程式碼任選)：
可用程式碼 (1)：
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (^$|FeedDem...
一、Apache
①、通過修改 .htaccess 檔案
修改網站目錄下的.htaccess，新增如下程式碼即可(2 種程式碼任選)：
可用程式碼 (1)：
RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (^$|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]
可用程式碼 (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 配置檔案
找到如下類似位置，根據以下程式碼 新增 / 修改，然後重啟 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 from all deny from env=BADBOT </Directory>
二、Nginx 程式碼
進入到 nginx 安裝目錄下的 conf 目錄，將如下程式碼儲存為 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)$) {
return 403;
}
然後，在網站相關配置中的 location / { 之後插入如下程式碼：
Shell
include agent_deny.conf;
如下的配置：
Shell
[marsge@Mars_Server ~]$ 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;
儲存後，執行如下命令，平滑重啟 nginx 即可：
Shell
/usr/local/nginx/sbin/nginx –s reload
三、PHP 程式碼
將如下方法放到貼到網站入口檔案 index.php 中的第一個
PHP
//獲取UA資訊
$ua = $_SERVER[‘HTTP_USER_AGENT’];
//將惡意USER_AGENT存入陣列
$now_ua = array(‘FeedDemon ‘,‘BOT/0.1 (BOT for JCE)’,‘CrawlDaddy ‘,‘Java’,‘Feedly’,‘UniversalFeedParser’,‘ApacheBench’,‘Swiftbot’,‘ZmEu’,‘Indy Library’,‘oBot’,‘jaunty’,‘YandexBot’,‘AhrefsBot’,‘MJ12bot’,‘WinHttp’,‘EasouSpider’,‘HttpClient’,‘Microsoft URL Control’,‘YYSpider’,‘jaunty’,‘Python-urllib’,‘lightDeckReports Bot’);
//禁止空USER_AGENT，dedecms等主流採集程式都是空USER_AGENT，部分sql注入工具也是空USER_AGENT
if(!$ua) {
header(“Content-type: text/html; charset=utf-8”);
die(‘請勿採集本站，因為採集的站長木有小JJ！’);
}else{
foreach($now_ua as $value )
//判斷是否是陣列中存在的UA
if(eregi($value,$ua)) {
header(“Content-type: text/html; charset=utf-8”);
die(‘請勿採集本站，因為採集的站長木有小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：
模擬宜搜蜘蛛抓取：
Shell
curl –I –A ‘YisouSpider’ bizhi.bcoderss.com
模擬 UA 為空的抓取：
Shell
curl –I –A ” bizhi.bcoderss.com
模擬百度蜘蛛的抓取：
Shell
curl –I –A ‘Baiduspider’ bizhi.bcoderss.com