Nginx中配置过滤爬虫的User-Agent的简单方法_Nginx

Nginx中配置过滤爬虫的User-Agent的简单方法

2019-11-06 12:00姜南 Nginx

这篇文章主要介绍了Nginx中配置过滤爬虫的User-Agent的简单方法,文中罗列了一些常用搜索引擎的爬虫名称以免造成不必要的过滤,需要的朋友可以参考下

过去写博客的时候经常出现服务器宕机，网页全部刷不出来，但是Ping服务器的时候又能Ping通。登录SSH看了下top，惊呆了，平均负载13 12 8。瞬间觉得我这是被人DDOS了么？看了下进程基本上都是php-fpm把CPU给占了，去看下日志吧。。。

Nginx中配置过滤爬虫的User-Agent的简单方法

一看不得了，基本上都是被一个User Agent叫"YisouSpider"的东西给刷屏了，一看就不知道是哪的蜘蛛，太没节操了。
找到根目录配置区，增加User Agent过滤判断语句，发现叫"YisouSpider"的直接返回403

注1：如果需要增加多个过滤，这样做

				?

									($http_user_agent ~* "Spider1|Spider2|Spider3|Spider4")

，中间用|隔开就行了

注2：如果你是用的是子目录博客，像我的一样，那么要找到 "location /blog/" 这样的区段去修改

				?

									location / {

									......其它配置

									if ($http_user_agent ~* "YisouSpider") {

									return 403;

									}

									}

配置完成wq保存后reload一下nginx，然后使用以下命令自我测试，地址自己改。没装curl的我就没办法了，自己apt或者yum装一个吧，神器来的。

				?

									curl -I -A "YisouSpider" www.slyar.com/blog/

看到返回403就可以了，说明配置成功

Nginx中配置过滤爬虫的User-Agent的简单方法

PS：一些常见爬虫的User-Agent，这些一般就不要过滤了~
百度爬虫
* Baiduspider+(+http://www.baidu.com/search/spider.htm”)

google爬虫
* Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)
* Googlebot/2.1 (+http://www.googlebot.com/bot.html)
* Googlebot/2.1 (+http://www.google.com/bot.html)

雅虎爬虫（分别是雅虎中国和美国总部的爬虫）
*Mozilla/5.0 (compatible; Yahoo! Slurp China; http://misc.yahoo.com.cn/help.html”)
*Mozilla/5.0 (compatible; Yahoo! Slurp; http://help.yahoo.com/help/us/ysearch/slurp”)

新浪爱问爬虫
*iaskspider/2.0(+http://iask.com/help/help_index.html”)
*Mozilla/5.0 (compatible; iaskspider/1.0; MSIE 6.0)

搜狗爬虫
*Sogou web spider/3.0(+http://www.sogou.com/docs/help/webmasters.htm#07″)
*Sogou Push Spider/3.0(+http://www.sogou.com/docs/help/webmasters.htm#07″)

网易爬虫
*Mozilla/5.0 (compatible; YodaoBot/1.0; http://www.yodao.com/help/webmaster/spider/”; )

MSN爬虫
*msnbot/1.0 (+http://search.msn.com/msnbot.htm”)