大师兄 wordpress防爬虫攻略-避免无良蜘蛛恶意采集:禁止部分Agent抓取网站 博客 –

昨天发布的文章依然被那个盗版网站给抓取了

所以昨天的文章的7种方法,已操作的方法并没有生效,至少对爬虫没有生效,因为对方如果使用动态ip池,是无法禁止爬取

使用的插件禁止User Agent显然也不见得有效,具体还要排查日志

保险起见,在博客的代码中加入禁止爬虫的方法最为直接

其次是Nginx/Apache/PHP等服务器配置中

在wordpress中插入如下代码

//获取UA信息 $ua = $_SERVER['HTTP_USER_AGENT']; //将恶意USER_AGENT存入数组 $now_ua = array('FeedDemon ','BOT\/0.1 (BOT for JCE)','CrawlDaddy ','Java','Feedly','UniversalFeedParser','ApacheBench','Swiftbot','ZmEu','Indy Library','oBot','jaunty','YandexBot','AhrefsBot','MJ12bot','WinHttp','EasouSpider','HttpClient','Microsoft URL Control','YYSpider','jaunty','Python-urllib','lightDeckReports Bot'); //禁止空USER_AGENT,dedecms等主流采集程序都是空USER_AGENT,部分sql注入工具也是空USER_AGENT if(!$ua) { header("Content-type: text/html; charset=utf-8"); die('请勿采集本站,因为采集的站长木有小JJ!'); }else{ foreach($now_ua as $value ){ if(preg_match("/{$value}/",$ua)>0) { header("Content-type: text/html; charset=utf-8"); die('请勿采集本站,因为采集的站长木有小JJ!'); } }; };

此文由“快兔兔AI采集器”自动生成,目的为演示采集器效果,若侵权请及时联系删除。

原文链接:http://dsx2016.com/?p=1376

更多内容