李锋镝的博客

  • 首页
  • 时间轴
  • 说说
  • 每日心情
  • Now
  • 系列文章
  • 论坛
  • 左邻右舍
    • 左邻右舍
    • 博友圈
  • 留言
    • 留言
    • 走心评论
  • 关于
    • 关于本站
    • 网站地图
    • 网站统计
    • 另一个网站
    • 我的导航站
    • 赞助
  • 🚇开往
!Destiny
惟坚韧者始能遂其志
  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 135 0 0
本文最后更新于 2025年6月29日,距今已 451 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

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
分享到

服务器差点被一群垃圾爬虫搞挂了

也可使用浏览器菜单中的「分享」功能

微信扫一扫分享

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 9 月 24 日

回望过去的今天,你在写什么

  • 文学
    5 年前 2021年9月24日
    玉楼春·尊前拟把归期说

    玉楼春·尊前拟把归期说 欧阳修 〔宋代〕 尊前拟把归期说,欲语春容先惨咽。人生自是有情痴,此恨不关风与月。 离歌且莫翻新…

  • 7 年前 2019年9月24日
    网站SEO(搜索引擎优化)说明及总结

    SEO是由英文Search Engine Optimization缩写而来, 中文意译为“搜索引擎优化”。SEO是指通过…

  • 7 年前 2019年9月24日
    Xshell 家庭、学校免费版下载

    Xshell功能强大,但是网上一般下载的都是收费的、或者就是破解版的;不过官方提供了针对家庭/学校的免费版,功能是一样的…

相关文章
  • 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
  • 宝塔面板NGINX开启http32026年8月31日
  • 网站升级到http/22021年4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
Redis7+&8.X 全新进阶系列(02):Redis Functions 详解——替代Lua脚本的官方轻量化函数方案 Redis7.x&8.x 全新进阶系列(01):划时代升级总览——从6.x到7.x/8.x全版本变革全景 让WordPress静态化之Rocket‑Nginx WordPress下一代默认主题Ipsum预览 C++之父重磅发声:AI编程正在毁掉一代程序员 支撑全网40%网站的WordPress正在重新拥抱PHP生态
关于主题加载速度优化的一点儿小演进给主题增加了Now、每日心情、年度回顾、岁月同一天、随机漫步等功能WordPress缓存插件WP Fastest Cache、WP Rocket 、FlyingPress对比关于使用AI的一些思考WordPress下一代默认主题Ipsum预览Kratos+ v1.1.16版本更新说明
技术人员转团队管理该怎么做 HandlerMethodArgumentResolver解析 Docker核心概念解析及使用 Java浮点数运算 你总要学会往前走 RAG太难学?LLM Wiki了解一下
最近评论
李锋镝 发布于 1 天前(09月22日) 是的,换风格了,不过我觉得之前的年份命名挺好的,一看就知道哪一年的
obaby 发布于 2 天前(09月22日) 我现在是个假的wp了,哈哈哈 wp终于改了主题的命名风格了
李锋镝 发布于 4 天前(09月20日) 静态博客我之前也用过,但是感觉不是很方便,后来就一直用的WordPress
Sheep5 发布于 4 天前(09月20日) 我直接用静态博客,天然有速度优势。
不凡 发布于 4 天前(09月20日) 主要是wordpress插件丰富,需要什么功能插件,插件市场应有尽有,typecho是性能更好、更轻...
标签聚合
MySQL WordPress SpringBoot 多线程 Redis 架构 IDEA AI编程 AI JVM SQL 数据库 Theme 分布式 Claude ElasticSearch Spring 日常 K8s JAVA
友情链接
  • 蜗牛工作室
  • 瓦匠个人小站
  • lijie blog
  • 志文工作室
  • 知向前端
  • 九仞之行
  • 临窗旋墨
  • 皮皮社
  • 哥斯拉
  • 韩小韩博客
  • 搬砖日记
  • Serendipity
  • 林羽凡
  • 彬红茶日记
  • 韩情脉脉
  • 老张博客
  • sssr7844的博客
  • 若梦博客
  • 懋和道人
  • Mr.Sun的博客

COPYRIGHT © 2016-2026 lifengdi.com. ALL RIGHTS RESERVED.

lifengdi.com

Domain age badge for lifengdi.com

Theme Kratos-plus By Dylan Li

津ICP备2024022503号-3

京公网安备11011502039375号