wordpress python 采集_wordpress防爬虫攻略-避免无良蜘蛛恶意采集:禁止部分Agent抓取网站...

NO.1

禁止ip没有生效

昨天发布的文章依然被那个盗版网站给抓取了

所以昨天的文章的7种方法,已操作的方法并没有生效,至少对爬虫没有生效,因为对方如果使用动态ip池,是无法禁止爬取

NO.2

禁止User Agent

使用的插件禁止User Agent显然也不见得有效,具体还要排查日志

保险起见,在博客的代码中加入禁止爬虫的方法最为直接

其次是Nginx/Apache/PHP等服务器配置中

NO.3

index.php

在wordpress中插入如下代码

//获取UA信息

$ua = $_SERVER['HTTP_USER_AGENT'];

//将恶意USER_AGENT存入数组

$now_ua = array('FeedDemon ','BOT\/0.1 (BOT for JCE)','CrawlDaddy ','Java','Feedly','UniversalFeedParser','ApacheBench','Swiftbot','ZmEu','Indy Library','oBot','jaunty','YandexBot','AhrefsBot','MJ12bot','WinHttp','EasouSpider','HttpClient','Microsoft URL Control','YYSpider','jaunty','Python-urllib','lightDeckReports Bot');

//禁止空USER_AGENT，dedecms等主流采集程序都是空USER_AGENT，部分sql注入工具也是空USER_AGENT

if(!$ua) {

header("Content-type: text/html; charset=utf-8");

die('请勿采集本站，因为采集的站长木有小JJ！');

}else{

foreach($now_ua as $value ){

if(preg_match("/{$value}/",$ua)>0) {

header("Content-type: text/html; charset=utf-8");

die('请勿采集本站，因为采集的站长木有小JJ！');

}

};

};

NO.4

反爬小分队

设置了N中方法禁止爬取,还是被爬😑

原创声明

作者:大师兄

原文站点:

版权所有,侵权必究!