Apache/Nginx/PHP服务器反爬虫代码大全

今天小编为你们汇总了Apache/Nginx/PHP服务器反爬虫代码大全，希望对你做网站优化有所帮助，如果想对爬虫技术深入认识的，请看《帮你深入认识爬虫与反爬虫技术》。

一、Apache

①、通过设置 .htaccess 文件

修改网页目录下的.htaccess，添加如下代码即可(2 种代码任选)：

可用代码 (1)：

RewriteEngineOnRewriteCond%{HTTP_USER_AGENT}(^$|FeedDemon|IndyLibrary|AlexaToolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|MicrosoftURLControl|Swiftbot|ZmEu|oBot|jaunty|Python–urllib|lightDeckReportsBot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms)[NC]RewriteRule^(.*)$–[F]

可用代码 (2)：

SetEnvIfNoCase^User–Agent$.*(FeedDemon|IndyLibrary|AlexaToolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|MicrosoftURLControl|Swiftbot|ZmEu|oBot|jaunty|Python–urllib|lightDeckReportsBot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms)BADBOTOrderAllow,DenyAllowfromallDenyfromenv=BADBOT

②、通过设置 httpd.conf 配置文件

找到如下类似位置php 爬虫代码，根据下列代码 新增 / 修改，然后重启 Apache 即可：

Shell

DocumentRoot/home/wwwroot/xxx<Directory“/home/wwwroot/xxx”>SetEnvIfNoCaseUser–Agent“.*(FeedDemon|IndyLibrary|AlexaToolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|MicrosoftURLControl|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReportsBot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms)”BADBOTOrderallow,denyAllowfromalldenyfromenv=BADBOT</Directory>

二、Nginx 代码

进入到 nginx 安装目录下的 conf 目录，将如下代码保存为 agent_deny.conf

cd/usr/local/nginx/confvimagent_deny.conf

#禁止Scrapy等工具的抓取if($http_user_agent~*(Scrapy|Curl|HttpClient)){return403;}#禁止指定UA及UA为空的访问if($http_user_agent~*“FeedDemon|IndyLibrary|AlexaToolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|MicrosoftURLControl|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReportsBot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms|^$”){return403;}#禁止非GET|HEAD|POST方式的抓取if($request_method!~^(GET|HEAD|POST)$){return403;}

然后，在网站相关配置中的 location / { 之后插入如下代码：

Shell

includeagent_deny.conf;

如下的配置：

Shell

[marsge@Mars_Server~]$cat/usr/local/nginx/conf/zhangge.conflocation/{try_files$uri$uri//index.php?$args;#这个位置新增1行：includeagent_deny.conf;rewrite^/sitemap_360_sp.txt$/sitemap_360_sp.phplast;rewrite^/sitemap_baidu_sp.xml$/sitemap_baidu_sp.phplast;rewrite^/sitemap_m.xml$/sitemap_m.phplast;

保存后，执行如下命令，平滑重启 nginx 即可：

Shell

/usr/local/nginx/sbin/nginx–sreload

三、PHP 代码

将如下方法放在贴至网页入口文件 index.php 中的第一个

PHP

//获取UA信息$ua=$_SERVER[‘HTTP_USER_AGENT’];//将恶意USER_AGENT存入数组$now_ua=array(‘FeedDemon‘,‘BOT/0。1(BOTforJCE)’,‘CrawlDaddy‘,‘Java’,‘Feedly’,‘UniversalFeedParser’,‘ApacheBench’,‘Swiftbot’,‘ZmEu’,‘IndyLibrary’,‘oBot’,‘jaunty’,‘YandexBot’,‘AhrefsBot’,‘MJ12bot’,‘WinHttp’,‘EasouSpider’,‘HttpClient’,‘MicrosoftURLControl’,‘YYSpider’,‘jaunty’,‘Python-urllib’,‘lightDeckReportsBot’);//禁止空USER_AGENT，dedecms等主流采集程序都是空USER_AGENTphp 爬虫代码，部分sql注入工具也有空USER_AGENTif(!$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($now_uaas$value)//判断是否是变量中存在的UAif(eregi($value,$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！’);}}

四、测试效果

如果是vps，那特别简洁，使用 curl -A 模拟抓取即可，比如：

模拟宜搜蜘蛛抓取：

Shell

curl–I–A‘YisouSpider’bizhi.bcoderss.com

模拟 UA 为空的抓取：

Shell

curl–I–A”bizhi.bcoderss.com

模拟百度蜘蛛的抓取：

Shell

curl–I–A‘Baiduspider’bizhi.bcoderss.com

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/ruanjian/article-142247-1.html