Nginx 屏蔽指定的 UserAgent 访问

原文地址 : 利用 nginx 来屏蔽指定的 user_agent 的访问

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

# 禁止Scrapy等工具的抓取
if ($http_user_agent ~* (Scrapy|Curl|HttpClient)) {
  return 403;
}
# 禁止指定UA及UA为空的访问
if ($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|^$" )
{
  return 403;
}
#禁止非GET|HEAD|POST方式的抓取
if ($request_method !~ ^(GET|HEAD|POST)$) {
  return 403;
}

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。

阻止特定的用户 agent 头的请求, 这对于控制不同的蜘蛛很有用

如果基于 user-agent 请求, 以下代码会比较有用

server {
    listen 80;

    if ($http_user_agent ~* craftbot|download|extract|stripper|sucker|ninja|clshttp|webspider|leacher|collector|grabber|webpictures) {
        return 403;
    }

    ... other directives
}

该规则将导致来自 user-agent 的所有包含任何分隔字符串的请求都会返回 403 Forbidden响应。

如果特定的 robots 过多, 我们也可以采取另外的方式来阻止特定的 user-agent

那就是使用 Map 定义变量, 可以更清晰的来对 agent 进行分组

map $http_user_agent $robots{
    default 0;
    ~*(baiduspider|googlebot) 1;
}

location / {
    if($robots = 1) {
        # do some thing
        return 403;
    }
}

Nginx 屏蔽指定的 UserAgent 访问 ​

Nginx 屏蔽指定的 UserAgent 访问