Nginx限制搜索引擎爬虫频率、禁止屏蔽网络爬虫配置示例

时间:2016-05-17 10:38 来源:linux.it.net.cn 作者:IT

代码如下:

#全局配置
limit_req_zone $anti_spider zone=anti_spider:10m rate=15r/m;

#某个server中
limit_req zone=anti_spider burst=30 nodelay;
if ($http_user_agent ~* "xxspider|xxbot") {
set $anti_spider $http_user_agent;
}

超过设置的限定频率，就会给spider一个503。
上述配置详细解释请自行google下，具体的spider/bot名称请自定义。

附：nginx中禁止屏蔽网络爬虫

代码如下:

	
	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 http://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   http://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

代码如下:

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

(责任编辑：IT)