站长必知基础（一）：如何阻止垃圾蜘蛛的抓取

作为一个网站的负责人，你是否有关注过IIS日志的信息详情？如果没有，我敢肯定你网站的不少带宽都被所谓的蜘蛛占去了，即使你的带宽很猛，不在乎那么点流量，但是从优化到极致来说，这都是远远不达标的。

蜘蛛分为真假蜘蛛，一般大型搜索引擎的蜘蛛，如百度、谷歌的蜘蛛，假蜘蛛一般归总为垃圾搜索引擎和恶意抓取程序。其中百度蜘蛛的真假分析，你可以通过语法“ nslookup ip”，查看来源是否是百度的子站点，如果不是，那么就是伪装的百度蜘蛛。如果仔细分析，你会发现一些国内或国外的蜘蛛，例如 EasouSpider、AhrefsBot等，这些蜘蛛都是没有什么用的，如果你面向的市场是国内的，百度 BaiduSpider，谷歌 Googlebot，360 360Spider，soso Sosospider，搜狗Sogou+web+spider，保留这几个蜘蛛的抓取就足够了，其他的蜘蛛一律屏蔽掉就行了，还有把你的静态资源，如Image和JS、CSS的路径也屏蔽掉，这些资源都是不需要蜘蛛抓取的，因为没有展现的价值；

具体如何加屏蔽呢？你可以手动新建一个robots.txt文件，放到网站根目录下，内容填写例如：User-Agent: AhrefsBot Disallow: / ，表示不允许AhrefsBot蜘蛛抓取任何页面，其他的屏蔽都可以类似这样填写；如果你不会填写内容，你也可以到百度站长平台上，直接生成robots.txt文件，地址为：http://zhanzhang.baidu.com/robots/index ，然后将文件更新到网站根目录即可;例如我之前查看日志发现了一些垃圾蜘蛛，直接才去屏蔽措施，robots设置如下：

 

这样屏蔽不必要的蜘蛛抓取，便可以轻松实现避免浪费带宽和流量，当然这对于遵循互联网协议的网络公司来说，是非常有效的办法，也不排除存在一些不遵循行业标准的恶意抓取程序，要禁止这些，只能是在确切证据证明下，直接对Ip进行屏蔽，才能行之有效了。