隐藏

IIS屏蔽搜索引擎爬虫

发布:2020/10/14 22:42:53作者:管理员 来源:本站 浏览次数:1272

事情的起源,还是来自于站点的日志系统,发现了很多莫名的异常报错,领导要求排查减少日志上的错误数量。检查发现请求的地址是业务地址,但是没有带用户授权标识上来, 一般正常的用户不会发生这种情况呀。 再细致一检查,这类异常请求的ua 都带有 bot、spider 诸如 baidu.com/search/spider ,www.similartech.com/smtbot,http://www.bing.com/bingbot.htm  等等   那么说明这些都为搜索引擎的机器人爬虫

这是回想我们设置在站点下放的防采集文件,robots文件,里面已经有配置很多禁止采集的设置了,使用站长工具生成的robots文件格式也很标准。哎仔细一查,很多搜索引擎都不按禁止采集规则走都直接进行请求,机器人是不会带我们客户的登陆标识的,直接请求我们业务地址导致的业务执行错误。

综上,最好的解决方案  我们按照客户端请求的ua User-Agent 进行拦截, 凡是ua中带有bot  spider字样出现的,先都统统屏蔽了。 虽然有可能误杀某个浏览器的ua就是有带bot, 但现在是基于系统中的日志来看是没有的

这里我们的服务器是iis  要用到一个iis重写功能 iisrewrite  


添加规则,针其中针对符合条件规则的请求进行阻止



这里我们选择请求用户代理标头  也就是用户请求的ua User-Agent 使用正则表达式进行匹配




点击确定,即可完成   这是我们用postman对网站设置进行一个检验:当Ua是正常浏览器的时候  返回的是正确的信息



当ua中含有搜索引擎相关的标头出现的时候, 请求即被拦截