屏蔽国外垃圾无用蜘蛛，防止大量抓取导致网站崩溃浪费带宽

最近发现一些国外垃圾蜘蛛频繁抓我网站页面，白浪费消耗服务器性能。所以要屏蔽他们这些垃圾蜘蛛抓取，这里介绍两种方法一同操作进行屏蔽：



第一种方法：直接在根目录下robos.txt文件里面屏蔽掉相关垃圾蜘蛛：

1. 付费内容

   

   游客，您好！如果您要查看本帖隐藏内容请向楼主支付10铜钱

   立即购买
   
   

复制代码

第二种方法，宝塔面板网站设置——配置文件，将需要屏蔽的蜘蛛写进配置文件代码里：

#屏蔽垃圾蜘蛛

1. 付费内容

   

   游客，您好！如果您要查看本帖隐藏内容请向楼主支付10铜钱

   立即购买
   
   

复制代码

第三种方法防火墙里加过滤规则


狗日的再来抓就送你吃403！

常见的搜索引擎爬虫

1、Googlebot（屏蔽！没毛用）

Googlebot是谷歌的网络爬虫，其UA标识为“(compatible;Googlebot/2.1;”。对大部分网站，Googlebot应该是爬取最勤快的爬虫，能给优质博客带来大量流量。

除了爬取网页的Googlebot，常见的还有图片爬虫Googlebot-Image、移动广告爬虫Mediapartners-Google等。

2、Baiduspider

Baiduspider是百度的网页爬虫，中文站很常见。其UA标识为“(compatible;Baiduspider/2.0;+)”。

除了网页爬虫，手机百度爬虫Baiduboxapp、渲染抓取Baiduspider-render等。

3、bingbot

bingbot是微软bing搜索的爬虫，其UA标识为“(compatible;bingbot/2.0;+)”。

自微软推广bing搜索品牌后，微软原来的爬虫MSNBot越来越少见到了。

4、360Spider

360Spider是360搜索的爬虫，其UA标识为“Mozilla/5.0(Windows NT 10.0;Win64;x64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/71.0.3578.98 Safari/5 37.36;360Spider”。

目前360搜索份额较少，这个爬虫不是很常见。

5、Sogou web spider

Sogou web spider是搜狗搜索的网页爬虫，其UA标识为“Sogou web spider/4.0”。背靠腾讯，搜狗目前市场份额在上升，因此其网络爬虫比较勤快，经常能看到。

访问日志搜索Sogou，除了Sogou web spider，还常见SogouMSE、SogouMobileBrowser。这是搜狗手机浏览器的UA标识，不是爬虫。

6、YisouSpider

YisouSpider是神马搜索的爬虫，UA标识是“Mozilla/5.0(Windows NT 6.1;Win64;x64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/69.0.3497.81 YisouSpider/5.0 Safari/537.36”。

神马成立初期太疯狂抓取网页导致一些小网站崩溃而惹的天怒人怨。随着市场份额提升和数据完善，目前YisouSpider还算克制，不再疯狂抓取。

从名字上看，神马搜索的发音类似于宜搜，但和专注小说搜索的“宜搜”不是同一家公司。神马搜索是UC合并到阿里后推出的移动搜索引擎，而宜搜在2G wap时代就已经名声在外。

7、YandexBot（屏蔽！没毛用）

YandexBot是俄罗斯最大搜索引擎和互联网巨头Yandex的网页爬虫，其UA标识是“(compatible;YandexBot/3.0;)”。

Yandex提供中文界面和中文搜索，也是少数目前能直接打开的国外搜索引擎。随着越来越多中国人知道Yandex，YandexBot在中文网站日志里越来越常见。

8、DuckDuckGo

DuckDuckGo是DuckDuckGo的网页爬虫，其UA标识是“Mozilla/5.0(Linux;Android 10)AppleWebK it/537.36(KHTML,like Gecko)Version/4.0 Chrome/81.0.4044.138 Mobile Safari/537.36 DuckDuckGo/5”。

DuckDuckGo主打隐私、安全、不监控用户记录，界面简洁，也提供中文搜索界面。

除了上述搜索引擎爬虫，WordPress等提供feed订阅的网站还常见newblur和feedly的访问记录。这两个不是爬虫，而是订阅软件，也能给网站带来流量。

常见的网络恶意垃圾爬虫蜘蛛

上面说的搜索引擎爬虫能给网站带来流量，也有许多爬虫除了增加服务器负担，对网站没任何好处，应该屏蔽掉。

1、MJ12Bot

MJ12Bot是英国著名SEO公司Majestic的网络爬虫，其抓取网页给需要做SEO的人用，不会给网站带来流量。

2、AhrefsBot

AhrefsBot是知名SEO公司Ahrefs的网页爬虫。其同样抓取网页给SEO专业人士用，不会给网站带来流量。

3、SEMrushBot

SEMrushBot也是SEO、营销公司的网络爬虫。

4、DotBot

DotBot是Moz.com的网页爬虫，抓取数据用来支持Moz tools等工具。

5、MauiBot

MauiBot不同于其他爬虫，这个爬虫连网站都没有，UA只显示一个邮箱：”MauiBot(crawler.feedback+wc gm ail.com)“。神奇的是这个看起来是个人爬虫，竟然遵循robots协议，算得上垃圾爬虫的一股清流。

6、MegaIndex.ru

这是一个提供反向链接查询的网站的蜘蛛，因此它爬网站主要是分析链接，并没有什么作用。遵循robots协议。

7、BLEXBot

这个是webmeup下面的蜘蛛，作用是收集网站上面的链接，对我们来说并没有用处。遵循robots协议。

SemrushBot，这是semrush下面的一个蜘蛛，是一家做搜索引擎优化的公司，因此它抓取网页的目的就很明显了。这种蜘蛛对网站没有任何用处，好在它还遵循robots协议，因此可以直接在robots屏蔽。

DotBot,这是moz旗下的，作用是提供seo服务的蜘蛛，但是对我们并没有什么用处。好在遵循robots协议，可以使用robots屏蔽

AhrefsBot，这是ahrefs旗下的蜘蛛，作用是提供seo服务，对我们没有任何用处，遵循robots协议。

MJ12bot，这是英国的一个搜索引擎蜘蛛，但是对中文站站点就没有用处了，遵循robots协议。

MauiBot，这个不太清楚是什么，但是有时候很疯狂，好在遵循robots协议。

MegaIndex.ru，这是一个提供反向链接查询的网站的蜘蛛，因此它爬网站主要是分析链接，并没有什么作用。遵循robots协议。

BLEXBot,这个是webmeup下面的蜘蛛，作用是收集网站上面的链接，对我们来说并没有用处。遵循robots协议

等等……………

主要是将从网站日志中发现的一些异常抓取的蜘蛛屏蔽掉，我上面列举的是一些常见的对我们网站没啥用处的蜘蛛，将这些蜘蛛屏蔽掉就好了。

第二种方法屏蔽的效果：




谷歌一个ip来不了，没毛用！一天来抓几千次，浪费宽带。

1. 使用robots.txt文件进行屏蔽

在网站根目录下创建一个名为"robots.txt"的文件，并在文件中添加以下内容：

User-agent: *
Disallow: /

这样配置后，所有的搜索引擎蜘蛛都会被禁止抓取你的网站，包括国内和国外的蜘蛛。但需要注意的是，这种方法只是告诉蜘蛛不要抓取你的网站内容，但并不能完全阻止蜘蛛的访问。

2. 使用服务器配置进行屏蔽

如果你使用的是Apache服务器，可以通过修改.htaccess文件来进行屏蔽。在.htaccess文件中添加以下代码：

RewriteEngine on
RewriteCond %{HTTP_USER_AGENT} ^.*Googlebot.*$ [NC,OR]
RewriteCond %{HTTP_USER_AGENT} ^.*Bingbot.*$ [NC,OR]
RewriteCond %{HTTP_USER_AGENT} ^.*Yahoo! Slurp.*$ [NC]
RewriteRule ^.*$ - [F,L]

上述代码会将来自Googlebot、Bingbot和Yahoo! Slurp的请求直接拒绝访问，从而实现对这些蜘蛛的屏蔽。你也可以根据需要修改代码中的蜘蛛名称和条件。

以上两种方法结合使用可以有效地屏蔽大部分国外垃圾蜘蛛的抓取，减少服务器负载和带宽消耗。但需要注意的是，新的蜘蛛可能会出现或者已有的蜘蛛可能会更改User-Agent，所以需要定期检查和更新屏蔽规则。

方法一：使用robots.txt文件屏蔽
1. 在网站的根目录下创建一个名为"robots.txt"的文本文件。
2. 打开该文本文件，并在其中添加以下内容：

User-agent: *
Disallow: /

3. 保存并上传该文件到网站的根目录。这样，任何蜘蛛访问你的网站时，都会首先查找robots.txt文件，并按照其中的指示来访问网站。由于我们在该文件中设置了"Disallow: /"，所以所有的蜘蛛都被要求不允许访问网站上的任何内容。

方法二：使用IP地址屏蔽
1. 查找垃圾蜘蛛的IP地址。可以通过查看服务器日志或者使用工具（如Google Analytics）来获取这些信息。
2. 登录你的服务器控制面板，找到"IP防火墙"或者类似的选项。
3. 将垃圾蜘蛛的IP地址添加到防火墙黑名单中，设置禁止访问你的网站。

注意：屏蔽蜘蛛的IP地址可能会影响到其他用户的访问，所以在操作之前请确定这些IP地址确实属于垃圾蜘蛛。

方法一：使用robots.txt文件屏蔽
1. 在网站根目录下新建一个名为"robots.txt"的文本文件。

2. 打开"robots.txt"文件，并添加以下内容：

User-agent: *
Disallow: /

这段代码的意思是禁止任何网络爬虫访问网站的全部页面。将User-agent字段设置为" *"表示适用于所有爬虫，将Disallow字段设置为"/"表示禁止对所有页面的访问。

3. 保存"robots.txt"文件，并上传到网站的根目录中。

请注意，使用robots.txt文件进行屏蔽只能阻止遵守网络规范的爬虫访问，而不能有效阻止恶意爬虫或垃圾蜘蛛的抓取。因此，还需要采取其他方法来进一步屏蔽。

方法二：使用防火墙或安全插件屏蔽
1. 根据你所使用的服务器环境或网站管理系统，选择一个适合的防火墙或安全插件来进行屏蔽设置。常用的防火墙或安全插件有：ModSecurity、Wordfence、Cloudflare等。

2. 安装和配置选择的防火墙或安全插件。具体的安装和配置方法请参考相应插件的文档或官方指南。

3. 在防火墙或安全插件的设置中，找到"IP屏蔽"或"黑名单"等相关选项。将频繁抓取的国外垃圾蜘蛛的IP地址添加到屏蔽列表中。

请注意，在使用防火墙或安全插件进行屏蔽时，需要谨慎操作，避免屏蔽误伤正常访问者或合法爬虫的IP地址。建议根据具体情况进行调整和测试，以达到屏蔽垃圾蜘蛛的目的同时不影响正常访问。