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。