• 推动长江经济带发展 习近平要求境界和担当 2019-11-11
  • 丰台东铁匠营街道:品粽赏乐感受改革开放四十周年 2019-11-11
  • 学习宣传宪法 弘扬法治精神 2019-11-07
  • 山东搭建“灯塔—党建在线”网络平台 2019-11-07
  • 2016杨宗纬VOCAL巡演北京站正式开票杨宗纬VOCAL 2019-11-04
  • 年龄大了,也想积点口德,已经给你笔下留情了。 2019-11-04
  • 人民网通行证——帮助 2019-11-03
  • 端午节,跟随习近平找寻中华民族“精气神” 2019-10-30
  • 天津加入抢人大战,你会否挑花眼? 2019-10-29
  • “海河英才”行动计划为企业解渴 2019-10-29
  • 在庆祝海南建省办经济特区30周年大会上的讲话 2019-10-07
  • 俄罗斯世界杯F组:球迷风采 2019-09-24
  • 彭于晏廖凡曝姜文“精神洁癖” 2019-09-24
  • 苏州大学研究生支教团网上众筹资助留守儿童 2019-09-23
  • 湖北政务微信排行榜第187期出炉 交警类公号表现亮眼 2019-09-19
  • 香港赛马会机构:Nginx服务器屏蔽与禁止屏蔽网络爬虫的方法

     更新时间:2019年03月16日 10:35:28   作者:CODETC   我要评论
    今天小编就为大家分享一篇关于Nginx服务器屏蔽与禁止屏蔽网络爬虫的方法,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧

    香港赛马会网站惠泽社绝杀八码 www.mwcrz.tw 每个网站通常都会遇到很多非搜索引擎的爬虫,这些爬虫大部分都是用于内容采集或是初学者所写,它们和搜索引擎的爬虫不一样,没有频率控制,往往会消耗大量服务器资源,导致带宽白白浪费了。

    其实Nginx可以非常容易地根据User-Agent过滤请求,我们只需要在需要URL入口位置通过一个简单的正则表达式就可以过滤不符合要求的爬虫请求:

    location / {
      if ($http_user_agent ~* "python|curl|java|wget|httpclient|okhttp") {
        return 503;
      }
      # 其它正常配置
      ...
    }

    注意:变量$http_user_agent是一个可以直接在location中引用的Nginx变量。~*表示不区分大小写的正则匹配,通过python就可以过滤掉80%的Python爬虫。

    Nginx中禁止屏蔽网络爬虫

    server { 
        listen    80; 
        server_name www.xxx.com; 
        #charset koi8-r; 
        #access_log logs/host.access.log main; 
        #location / { 
        #  root  html; 
        #  index index.html index.htm; 
        #} 
      if ($http_user_agent ~* "qihoobot|Baiduspider|Googlebot|Googlebot-Mobile|Googlebot-Image|Mediapartners-Google|Adsbot-Google|Feedfetcher-Google|Yahoo! Slurp|Yahoo! Slurp China|YoudaoBot|Sosospider|Sogou spider|Sogou web spider|MSNBot|ia_archiver|Tomato Bot") { 
            return 403; 
        } 
      location ~ ^/(.*)$ { 
            proxy_pass //localhost:8080; 
        proxy_redirect     off; 
        proxy_set_header    Host $host; 
        proxy_set_header    X-Real-IP $remote_addr; 
        proxy_set_header    X-Forwarded-For  $proxy_add_x_forwarded_for; 
        client_max_body_size  10m; 
        client_body_buffer_size 128k; 
        proxy_connect_timeout  90; 
        proxy_send_timeout   90; 
        proxy_read_timeout   90; 
        proxy_buffer_size    4k; 
        proxy_buffers      4 32k; 
        proxy_busy_buffers_size 64k; 
        proxy_temp_file_write_size 64k; 
      } 
        #error_page 404       /404.html; 
        # redirect server error pages to the static page /50x.html 
        # 
        error_page  500 502 503 504 /50x.html; 
        location = /50x.html { 
          root  html; 
        } 
        # proxy the PHP scripts to Apache listening on 127.0.0.1:80 
        # 
        #location ~ \.php$ { 
        #  proxy_pass  //127.0.0.1; 
        #} 
        # pass the PHP scripts to FastCGI server listening on 127.0.0.1:9000 
        # 
        #location ~ \.php$ { 
        #  root      html; 
        #  fastcgi_pass  127.0.0.1:9000; 
        #  fastcgi_index index.php; 
        #  fastcgi_param SCRIPT_FILENAME /scripts$fastcgi_script_name; 
        #  include    fastcgi_params; 
        #} 
        # deny access to .htaccess files, if Apache's document root 
        # concurs with nginx's one 
        # 
        #location ~ /\.ht { 
        #  deny all; 
        #} 
      } 

    可以用 curl 测试一下

    curl -I -A "qihoobot" www.xxx.com

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。如果你想了解更多相关内容请查看下面相关链接

    相关文章

    最新评论

  • 推动长江经济带发展 习近平要求境界和担当 2019-11-11
  • 丰台东铁匠营街道:品粽赏乐感受改革开放四十周年 2019-11-11
  • 学习宣传宪法 弘扬法治精神 2019-11-07
  • 山东搭建“灯塔—党建在线”网络平台 2019-11-07
  • 2016杨宗纬VOCAL巡演北京站正式开票杨宗纬VOCAL 2019-11-04
  • 年龄大了,也想积点口德,已经给你笔下留情了。 2019-11-04
  • 人民网通行证——帮助 2019-11-03
  • 端午节,跟随习近平找寻中华民族“精气神” 2019-10-30
  • 天津加入抢人大战,你会否挑花眼? 2019-10-29
  • “海河英才”行动计划为企业解渴 2019-10-29
  • 在庆祝海南建省办经济特区30周年大会上的讲话 2019-10-07
  • 俄罗斯世界杯F组:球迷风采 2019-09-24
  • 彭于晏廖凡曝姜文“精神洁癖” 2019-09-24
  • 苏州大学研究生支教团网上众筹资助留守儿童 2019-09-23
  • 湖北政务微信排行榜第187期出炉 交警类公号表现亮眼 2019-09-19
  • 见效快的赚钱行业 大陆冰球联赛直播 网络百人牛牛能赢吗 快乐11挂机模式 赌博百家樂庄闲规则 现在开dnf工作室能赚钱吗 高手联盟两码中特 时时彩官方网投注平台 极速快乐十分怎么赢钱 靠声音赚钱的网络兼职