李锋镝的博客

  • 首页
  • 时间轴
  • 说说
  • 左邻右舍
  • 博友圈
  • 关于我
    • 关于我
    • 另一个网站
    • 我的导航站
    • 网站地图
    • 赞助
  • 留言
  • 走心评论
  • 系列文章
  • Now
  • 每日心情
  • 🚇开往
Destiny
自是人生长恨水长东
  1. 首页
  2. 运维
  3. 正文

服务器差点被一群垃圾爬虫搞挂了

2025年6月29日 约 876 字3 分钟 26点热度 0人点赞 0条评论
本文最后更新于 2025年6月29日,距今已 406 天,其中的信息可能已经发生变化,请注意甄别。

最近发现服务器的负载一直居高不下,但实际上网站的流量并没有那么高,一开始以为是预加载缓存的原因导致的,结果把缓存预加载都停了之后还是没有什么改善。

后来想到可以查看下nginx日志看下到底有没有流量进来。

不看不知道,一看吓一跳,一堆蜘蛛爬虫一刻不停的在爬……

既然是爬虫,那我加一下robots.txt是不是就好了?

于是,就把看到的爬虫加了一下:

User-agent: SemrushBot
Disallow: /
User-agent: DotBot
Disallow: /
User-agent: MegaIndex.ru
Disallow: /
User-agent: MauiBot
Disallow: /
User-agent: AhrefsBot
Disallow: /
User-agent: MJ12bot
Disallow: /
User-agent: BLEXBot
Disallow: /
User-agent: MJ12bot
Disallow: /
User-agent:PetalBot
Disallow: /
User-agent:DataForSeoBot
Disallow: /

那成想这些爬虫大部分都不讲武德,居然强制爬取。

既然robots.txt不管用,那就在nginx配置下拦截吧。

配置文件如下:

http {
    # 其他 http 配置...

    # 定义 User-Agent 映射(放在 http 块中)
    map $http_user_agent $blocked_user_agent {
        default 0;

        # 允许的搜索引擎爬虫
        "~*(Googlebot|bingbot|Yandex|BaiduSpider|Sogou|360Spider|ByteDanceBot)" 0;

        # 禁止的爬虫
        "~*(SemrushBot|DotBot|MegaIndex\.ru|MauiBot|AhrefsBot|MJ12bot|BLEXBot|PetalBot|DataForSeoBot|Amazonbot|GPTBot|Bytespider|meta-externalagent|FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|heritrix|EasouSpider|Ezooms)" 1;

        # 空 User-Agent 或可疑 UA
        "~*^$" 1;
        "~*(libwww-perl|curl|wget|python|nikto|scan|java|winhttp|clshttp|loader)" 1;
    }

    server {
        listen 80;
        server_name example.com;

        # 其他 server 配置...

        # 阻止被标记的 User-Agent(放在 server 块中)
        if ($blocked_user_agent = 1) {
            return 403;
        }

        # 其他位置配置...
        location / {
            # ...
        }
    }
}

需要注意的是:

  • 确认 map 指令位于 http 块中
  • 确认 if 指令位于 server 或 location 块中

然后重新加载配置文件:

nginx -t

nginx -s reload

替代方案(如果无法修改 http 块)

如果你无法修改主配置文件中的 http 块,可以使用纯 if 语句替代 map(不推荐,性能较差):

server {
    listen 80;
    server_name example.com;

    # 直接在 server 块中使用 if 进行 User-Agent 匹配
    if ($http_user_agent ~* "SemrushBot|DotBot|MegaIndex\.ru|MauiBot|AhrefsBot|MJ12bot|BLEXBot|PetalBot|DataForSeoBot|Amazonbot|GPTBot|Bytespider|meta-externalagent|FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|heritrix|EasouSpider|Ezooms") {
        return 403;
    }

    # 空 User-Agent 或可疑 UA
    if ($http_user_agent ~* "^$|libwww-perl|curl|wget|python|nikto|scan|java|winhttp|clshttp|loader") {
        return 403;
    }

    # 其他配置...
}

之后就可以在nginx日志中看到一堆的403,服务器负载也下来了:

144.76.19.149 - - [29/Jun/2025:12:44:08 +0800] "GET /feed/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:16 +0800] "GET /about/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:23 +0800] "GET /page/2/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:29 +0800] "GET /page/3/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:42 +0800] "GET /page/4/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:48 +0800] "GET /page/9/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:44:55 +0800] "GET /tag/AI/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:00 +0800] "GET /2024/09/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
121.237.36.29 - - [29/Jun/2025:12:45:03 +0800] "GET / HTTP/1.1" 200 26607 "-" "Mozilla/5.0 (Windows; U; Windows NT 5.1; cs-CZ) AppleWebKit/525.28.3 (KHTML, like Gecko) Version/3.2.3 Safari/525.29"
144.76.19.149 - - [29/Jun/2025:12:45:06 +0800] "GET /2024/10/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:12 +0800] "GET /2024/11/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:17 +0800] "GET /2024/12/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:23 +0800] "GET /2025/01/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:30 +0800] "GET /2025/02/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:35 +0800] "GET /2025/03/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:42 +0800] "GET /2025/05/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:48 +0800] "GET /2025/06/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:54 +0800] "GET /tag/DDD/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:45:59 +0800] "GET /tag/MFA/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:46:11 +0800] "GET /tag/SQL/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:46:15 +0800] "GET /tag/TCP/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
144.76.19.149 - - [29/Jun/2025:12:46:20 +0800] "GET /tag/VPN/ HTTP/1.1" 403 146 "-" "Mozilla/5.0 (compatible; BLEXBot/1.0; +https://help.seranking.com/en/blex-crawler)"
除非注明,否则均为李锋镝的博客原创文章,转载必须以链接形式标明本文链接

本文链接:https://www.lifengdi.com/yun-wei/4484

推荐阅读

  • 精通Linux根目录:核心文件夹深度解析与实战指南
  • NLB和ALB结合的场景和优缺点
  • Linux临时启用swap交换空间
  • Nginx开启brotli压缩
  • 使用WireGuard在Ubuntu 24.04系统搭建VPN
本作品采用 知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议 进行许可
标签: nginx 服务器 爬虫 蜘蛛
最后更新:2025年6月29日

岁月同一天 8 月 9 日

回望过去的今天,你在写什么

  • 4 年前 2022年8月9日
    RocketMQ的push消费方式实现详解

    MQ消费方式 消费方式就是指消费者如何从MQ中获取到消息,分为两种方式,push(推方式)和pull(拉方式)。 1、p…

相关文章
  • 网站升级到http/22021年4月8日
  • Nginx开启brotli压缩2025年6月27日
  • 准备入手个亚太的ECS,友友们有什么建议吗?2025年5月9日
  • 精通Linux根目录:核心文件夹深度解析与实战指南2026年1月8日
  • nginx反向代理配置去除前缀2021年9月29日

李锋镝

既然选择了远方,便只顾风雨兼程。

打赏 点赞
< 上一篇
下一篇 >
1234567891112131415161718192021222324252627282930313233343536373839404142434446474849505152535455575859606162636465666769727476777879808182858687909293949596979899
取消回复
…

文章评论

还没有评论,快来抢沙发吧~

文章合为时而著,歌诗合为事而作。

听点儿音乐吧 朋友~
文章目录
最新 热点 随机
最新 热点 随机
Kratos+ v1.1.14版本更新说明 Spring Boot 指定外部配置文件的方式 Spring Boot 配置加载优先级总结 Claude Fable 5(claude-fable-5)深度详解 如何通过命令查看Java应用内存中对象数量 关于服务的探活端口和业务端口不一致有什么问题
给主题增加了Now、每日心情、年度回顾、岁月同一天、随机漫步等功能AI时代,个人技术博客的出路在哪里?增加了两套复古皮肤-牛皮纸、千禧网页这个域名注册整整十年了,十年时间,真快啊WordPress实现用户评论等级排行榜插件WordPress网站换了个字体,差点儿把样式换崩了
使用RocketMQ时,服务启动过程中,Consumer在服务未启动时消费消息问题处理 JVM详细参数说明 Kratos+ —— Kratos 主题二次开发记录 MySQL语句执行顺序 一款开源的社交分享插件——share.js 笑死、腹肌……根本不可能有腹肌的~~
最近评论
老张博客 发布于 16 小时前(08月08日) 做的越来越精美了,好看。
Huo 发布于 1 天前(08月07日) 挺有特色的主题,还是感觉 WP 的确是强大
李锋镝 发布于 2 天前(08月07日) 没理解你想说啥
aboss 发布于 2 天前(08月07日) 你的后台web-login?
李锋镝 发布于 2 天前(08月07日) 这个专门的插件实现的功能更好更全,还能对接支付之类的
标签聚合
数据库 WordPress docker Claude JVM 分布式 日常 ElasticSearch K8s AI SpringBoot 架构 AI编程 Spring MySQL SQL JAVA 多线程 IDEA Redis
友情链接
  • 志文工作室
  • 皮皮社
  • Mr.Sun的博客
  • 风渡言
  • 韩小韩博客
  • 搬砖日记
  • 临窗旋墨
  • 知向前端
  • 哥斯拉
  • Blogs·CN
  • 瓦匠个人小站
  • 旧时繁华
  • 彬红茶日记
  • Honesty
  • 韩情脉脉
  • 林羽凡
  • 老张博客
  • 拾趣博客导航
  • 懋和道人

COPYRIGHT © 2026 lifengdi.com. ALL RIGHTS RESERVED.

正在博友圈履约中

域名年龄

Theme Kratos+ By Dylan Li

津ICP备2024022503号-3

京公网安备11011502039375号