IDC
2008-09-16 15:26    文章来源：网界网

想屏蔽百度蜘蛛 尝试以下方法

作者：uu1001

好像现在屏蔽baiduspider已经成为一种时尚，难道这玩意也跟着纳斯达克变?

首先我自己不会屏蔽baiduspider，也不大相信baiduspider会故意忽略robots.txt，但如果你真的想屏蔽 baiduspider，可尝试以下方法：

1. 上传一个robots.txt到根目录，内容为：

User-agent: baiduspider

Disallow: /

一个搜索引擎爬虫工作前首先应该访问/robots.txt制定排除列表，baiduspider还无法高级到故意忽略某些网站的robots.txt，不知道baiduspider怎么折腾才能让robots.txt失效。

2. 如果仅仅因为服务器吃不消，不防按照的指示写信给百度。估计很多人试过得不到回复(Google基本都是2个工作日内回复)。

3. 如果还没有办法，可尝试.htaccess屏蔽，上传一个.htaccess文件到根目录，内容为：

SetEnvIfNoCase User-Agent "^baiduspider" ban_bot

deny from env=ban_bot

还可以扩大这个列表，屏蔽那些Email提取爬虫、网站克隆爬虫等(小偷一般不守法，但总比自己什么都不做强)：

SetEnvIfNoCase User-Agent "^baiduspider" ban_bot

SetEnvIfNoCase User-Agent "^HTTrack" ban_bot

SetEnvIfNoCase User-Agent "^EmailCollector" ban_bot

SetEnvIfNoCase User-Agent "^EmailWolf" ban_bot

SetEnvIfNoCase User-Agent "^ExtractorPro" ban_bot

SetEnvIfNoCase User-Agent "^Offline" ban_bot

SetEnvIfNoCase User-Agent "^WebCopier" ban_bot

SetEnvIfNoCase User-Agent "^Webdupe" ban_bot

SetEnvIfNoCase User-Agent "^WebZIP" ban_bot

SetEnvIfNoCase User-Agent "^Web Downloader" ban_bot

SetEnvIfNoCase User-Agent "^WebAuto" ban_bot

SetEnvIfNoCase User-Agent "^WebCapture" ban_bot

SetEnvIfNoCase User-Agent "^WebMirror" ban_bot

SetEnvIfNoCase User-Agent "^WebStripper" ban_bot

deny from env=ban_bot

.htaccess要用文本方式上传，有些Apache配置比较怪异，防止引起冲突建议上传后立刻看看是否影响普通用户的访问。如果浏览正常，再用FlashGet模拟baiduspider测试这个.htaccess是否工作，方法是：

FlashGet->工具->选项->协议，把HTTP用户代理改成用户自定义：baiduspider;然后用FlashGet下载该网站任意页面，在FlashGet的下载日志里得到HTTP/1.1 403 Forbidden则成功。

文章来源：中国建站论坛

责任编辑：孙可

文章评论

发表评论
查看全部
评论加载中...请稍后

精彩专题