利用nginx来屏蔽指定的user_agent的访问

秒速五厘米 2022-12-10 01:11 264阅读 0赞

对于做国内站的我来说，我不希望国外蜘蛛来访问我的网站，特别是个别垃圾蜘蛛，它们访问特别频繁。这些垃圾流量多了之后，严重浪费服务器的带宽和资源。通过判断user agent，在nginx中禁用这些蜘蛛可以节省一些流量，也可以防止一些恶意的访问。

1、进入nginx的配置目录，例如cd /usr/local/nginx/conf

2、添加agent\_deny.conf配置文件 vim agent\_deny.conf

加入以下

1.  `#禁止Scrapy等工具的抓取`
2.  `if ($http_user_agent ~* (Scrapy|Curl|HttpClient)) {`
3.  `return 403;`
4.  `}`
5.  `#禁止指定UA及UA为空的访问`
6.  `if ($http_user_agent ~ "FeedDemon|JikeSpider|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|YisouSpider|HttpClient|MJ12bot|heritrix|EasouSpider|LinkpadBot|Ezooms|^$" )`
7.  `{`
8.  `return 403;`
9.  `}`
10. `#禁止非GET|HEAD|POST方式的抓取`
11. `if ($request_method !~ ^(GET|HEAD|POST)$) {`
12. `return 403;`
13. `}`

还有加一些针对特殊的user\_agent的访问

if ($http_user_agent ~ "Mozilla/4.0\ $compatible;\ MSIE\ 6.0;\ Windows\ NT\ 5.1;\ SV1;\ .NET\ CLR\ 1.1.4322;\ .NET\ CLR\ 2.0.50727$") { return 404; }

这个是如何得出是频繁访问的user\_agent呢，通过分析nginx的日志可以得出

tail -n 1000 /usr/local/nginx/logs/access.log | awk -F\" '{A[$(NF-1)]++}END{for(k in A)print A[k],k}' | sort -n | tail 分析访问次数

执行以上命令可以得出访问最多的user\_agent，通过人为判断是否正常来屏蔽

然后在nginx.conf的location中加入include agent\_deny.conf;

平滑重启nginx

/usr/local/nginx/sbin/nginx –s reload

然后测试一下 设置是否成功

curl -I -A "BaiduSpider" www.test.com

HTTP/1.1 200 OK
    Server: nginx
    Date: Mon, 09 Feb 2015 03:37:20 GMT
    Content-Type: text/html; charset=UTF-8 Connection: keep-alive
    Vary: Accept-Encoding
    X-Powered-By: PHP/5.5.19 Vary: Accept-Encoding, Cookie
    Cache-Control: max-age=3, must-revalidate
    WP-Super-Cache: Served supercache file from PHP

curl -I -A "JikeSpider" www.test.com

HTTP/1.1 403 Forbidden
    Server: nginx Date: Mon, 09 Feb 2015 03:37:44 GMT
    Content-Type: text/html
    Content-Length: 162 Connection: keep-alive

到这里，nginx通过判断User-Agent屏蔽蜘蛛访问网站就已经完成，可以根据实际情况对agent\_deny.conf中的蜘蛛进行增加、删除或者修改。