V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
Gce
V2EX  ›  问与答

如何屏蔽搜索引擎蜘蛛

  •  
  •   Gce · 2015-01-17 08:49:35 +08:00 · 3858 次点击
    这是一个创建于 3605 天前的主题,其中的信息可能已经有所发展或是发生改变。
    为了给服务器减轻压力,如何屏蔽各大搜索引擎蜘蛛?或者各大蜘蛛IP段?
    15 条回复    2015-01-20 23:23:34 +08:00
    liuchen9586
        1
    liuchen9586  
       2015-01-17 08:51:55 +08:00
    网站根目录下建立个robots.txt文件
    然后内容写上

    User-agent: *
    Disallow: /

    就行了
    Chipper
        2
    Chipper  
       2015-01-17 08:52:47 +08:00
    在网站的根目录里建立一个robots文件即可。
    xfspace
        3
    xfspace  
       2015-01-17 08:53:52 +08:00
    fising
        4
    fising  
       2015-01-17 08:54:54 +08:00 via iPad
    除了robots文件,最好能在服务器层面deny
    typcn
        5
    typcn  
       2015-01-17 09:08:07 +08:00
    我之前尝试过拒绝 UA 中含有 360 的请求,结果 360 搜索非常正常地收录了我的最新内容。
    kiritoalex
        6
    kiritoalex  
       2015-01-17 09:26:31 +08:00 via Android
    @typcn 360爬虫不遵循robots协议,只能屏蔽IP
    hjc4869
        7
    hjc4869  
       2015-01-17 09:34:24 +08:00 via iPhone
    @kiritoalex 360不支持https吧
    kiritoalex
        8
    kiritoalex  
       2015-01-17 09:40:04 +08:00 via iPhone
    @hjc4869 应该是
    kiritoalex
        9
    kiritoalex  
       2015-01-17 09:43:29 +08:00 via iPhone
    最有效的方式是屏蔽搜索引擎整个的IP段,对于遵循robots的爬虫可以直接放robots.txt.不遵循的也只好屏蔽整个IP段了(比如腾讯搜搜和360的爬虫)
    overlords
        10
    overlords  
       2015-01-17 10:44:23 +08:00
    使用dnspod的用户可以在给搜索引擎特地执行一个IP;如127.0.0.1 搞定了;
    miao
        11
    miao  
       2015-01-17 14:06:55 +08:00
    好吧. 我的网站巴不得天天爬虫来爬
    mornlight
        12
    mornlight  
       2015-01-17 14:11:52 +08:00
    robots 有个缓存期,如果需要立马有效的话,nginx里屏蔽UA
    enjoyzhou
        13
    enjoyzhou  
       2015-01-18 01:43:30 +08:00
    只是减少服务器压力,可以通过搜索引擎站长平台调整抓取频率,无需全部禁止的
    ctsed
        14
    ctsed  
       2015-01-18 13:22:00 +08:00
    http://zhanzhang.baidu.com/pressure/index # 站点管理 > 抓取频次

    https://www.google.com/webmasters/tools/settings # 网站设置 > 抓取速度
    kimmykuang
        15
    kimmykuang  
       2015-01-20 23:23:34 +08:00
    国内很多spider是不遵守robots协议的,比如360,明着不要脸的,我们现在采用的方法还是用go实现了一套逻辑去分析用户行为,最终还是为了去ban spider ip,结合着fail2ban使用
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2928 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 03:17 · PVG 11:17 · LAX 19:17 · JFK 22:17
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.