反爬虫机制之user-agent

相信在工作中避免不了的就是上线了之后有流氓爬虫爬数据为了减少服务器成本的承载
配置防爬虫的机制的在nginx里面。
下面由我给大家说一下我配置的user-agent

首先需要配置一个agent-deny.conf,在nginx的conf文件下
里面配置需要:↓

#禁止Scrapy|curl等工具的抓取
if ($http_user_agent ~* (Scrapy|Curl|HttpClient))
{
return 403;
}

#禁止指定UA及UA为空的访问
if ($ http_user_agent ~ "FeedDemon|BOT/0.1 (BOT for JCE)|CrawlDaddy|java|Jullo|Feedly|UniversalFeedParser|ApacheBench|Swiftbot|YandexBot|AhrefsBot|YisouSpider|jikeSpider|MJ12bot|ZmEu phpmyadmin|WinHttp|EasouSpider|HttpClient|Microsoft URL Control|YYSpider|jaunty|oBot|Python-urllib|Indy Library|FlightDeckReports Bot|Linguee Bot|^KaTeX parse error: Expected 'EOF', got '#' at position 25: … return 403; } #̲禁止非GET|HEAD|POS…request_method !~ ^(GET|HEAD|POST)$)
{
return 403;
}

我配置的是ua集所有的手动都禁止了。

然后再是配置nginx.conf里面的server模块把agent.deny.conf引入
#Crawler configuration
include /usr/local/nginx/conf/agent-deny.conf;
然后保存:wq
再进入到sbin文件下:./nginx -t 校验是否配置成功,配置正确会返回OK
再是:./nginx -s reload 重新加载

再是输入curl -x服务器IP:端口号 www.test.com/forum.php -i
服务器ip是需要nginx已经配置好的已有的端口才能进行校验是否配置成功,一般生效之后会返回HTTP/1.1 403 返回的403就说明已经配置useragent成功。

再配置过程中可能会出现的
报错1:./nginx: No such file or directory
这是说明你的目录没有进队,重新检查一下路径进的位置是否正确

报错2:[error] invalid PID number “” in “/usr/local/nginx/nginx.pid”
这是说明继续配置一下参数绝对路径
/usr/local/nginx/sbin/nginx -c /usr/local/nginx/conf/nginx.conf

以上就是在nginx里面配置反爬虫的一个方法后续会更新其他的方法。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值