Nginx限制搜索引擎爬虫频率、禁止屏蔽网络爬虫配置示例

#全局配置

limit_req_zone $anti_spider zone=anti_spider:10m rate=15r/m;

#某个server中

 limit_req zone=anti_spider burst=30 nodelay;

 if ($http_user_agent ~* "xxspider|xxbot") {

 set $anti_spider $http_user_agent;

}

超过设置的限定频率，就会给spider一个503。
上述配置详细解释请自行google下，具体的spider/bot名称请自定义。

附：nginx中禁止屏蔽网络爬虫

server {  

        listen       80;  

        server_name  www.xxx.com;  

  

        #charset koi8-r;  

  

        #access_log  logs/host.access.log  main;  

  

        #location / {  

        #    root   html;  

        #    index  index.html index.htm;  

        #}  

    if ($http_user_agent ~* "qihoobot|Baiduspider|Googlebot|Googlebot-Mobile|Googlebot-Image|Mediapartners-Google|Adsbot-Google|Feedfetcher-Google|Yahoo! Slurp|Yahoo! Slurp China|YoudaoBot|Sosospider|Sogou spider|Sogou web spider|MSNBot|ia_archiver|Tomato Bot") {  

                return 403;  

        }  

  

    location ~ ^/(.*)$ {  

                proxy_pass http://localhost:8080;  

        proxy_redirect          off;  

        proxy_set_header        Host $host;  

        proxy_set_header        X-Real-IP $remote_addr;  

        proxy_set_header       X-Forwarded-For   $proxy_add_x_forwarded_for;  

        client_max_body_size    10m;  

        client_body_buffer_size 128k;  

        proxy_connect_timeout   90;  

        proxy_send_timeout      90;  

        proxy_read_timeout      90;  

        proxy_buffer_size       4k;  

        proxy_buffers           4 32k;  

        proxy_busy_buffers_size 64k;  

        proxy_temp_file_write_size 64k;  

    }  

      

        #error_page  404              /404.html;  

  

        # redirect server error pages to the static page /50x.html  

        #  

        error_page   500 502 503 504  /50x.html;  

        location = /50x.html {  

            root   html;  

        }  

  

        # proxy the PHP scripts to Apache listening on 127.0.0.1:80  

        #  

        #location ~ \.php$ {  

        #    proxy_pass   http://127.0.0.1;  

        #}  

  

        # pass the PHP scripts to FastCGI server listening on 127.0.0.1:9000  

        #  

        #location ~ \.php$ {  

        #    root           html;  

        #    fastcgi_pass   127.0.0.1:9000;  

        #    fastcgi_index  index.php;  

        #    fastcgi_param  SCRIPT_FILENAME  /scripts$fastcgi_script_name;  

        #    include        fastcgi_params;  

        #}  

  

        # deny access to .htaccess files, if Apache's document root  

        # concurs with nginx's one  

        #  

        #location ~ /\.ht {  

        #    deny  all;  

        #}  

    }  

可以用 curl 测试一下

curl -I -A "qihoobot" www.xxx.com