通過.htaccess檔案屏蔽不良蜘蛛

一周前，筆者分享過一篇文章《seo診斷：透過Log日志找到網站死結》，并在最後附上了兩條改善建議。由于客觀條件所限，最後采用robots 屏蔽的方法。先一起來看看一周後的蜘蛛變化，三大主流蜘蛛總抓取量銳減，證明robots檔案開始生效。從圖上的通路次數、總停留時間和總抓取量看，有所進步但路還很遠。         　　然而，從11号開始，網站LOG日志開始出現衆多中文非主流蜘蛛通路，其中不乏知名俄羅斯搜尋引擎蜘蛛Yandexbot，還有不明“飛行物”AhrefsBot & ezooms.bot。 按照思維中定型的屏蔽蜘蛛方法，本能地将以上所有蜘蛛(對中文網站seo而言，以上的蜘蛛就是垃圾蜘蛛)通過Robots.txt檔案disallow 掉。本以為這樣就算搞定了，但是今早打開最近3天的LOG日志一看，垃圾蜘蛛抓取更加頻繁，兇猛，尤其以ezooms.bot為甚。         　　一般來說，搜尋引擎對待Robots.txt檔案有個生效期，大概2-7天。但是ezooms.bot的迅猛發展，讓我不得不懷疑他是個Robots協定違反者。         　　今天要分享的就是如何通過.htaccess檔案屏蔽不良蜘蛛。         　　以下是14号的網站日志，導入到Excel進行篩選分析，發現在當天所有通路日志(包括真實使用者和蜘蛛)中，竟然有多達342次通路記錄。而尤以AhrefsBot & ezooms.bot居多。         　　(注：此例輸入“Bot”進行篩選;國外蜘蛛一般叫Bot，國内一般叫Spider)         　　Ezooms.bot究竟是何方神聖?于是通過百度去搜尋相關的記錄，但是很不理想，百度沒有任何相關的記錄。沒辦法，隻能求助于谷歌，滿篇幅都是英文，頭大了，咬咬牙慢慢咀嚼吧。         　　翻閱了七八篇國外有關ezooms.bot的部落格文章，對該bot也沒有一個明确的說法，有的認為是SEOMoz Bot，有的認為是個文章采集者，但是大家對它的評價都很不好，被描繪成諸如吸血鬼、水蛭等。截取一段外文評語：         　　從了解到的知識來看，ezooms.bot對爬行的網站沒有任何的幫助，遂下定決心屏蔽之。由于ezooms.bot不遵守Robots.txt協定，又想起了通過htaccess檔案屏蔽IP段的方法。國外的博文也多次提到此方法，         　　圖上的IP段與網站記錄的ezooms.bot爬行ip段基本吻合，應該是個方法。但是屏蔽整個ip段，可能會造成一定的誤殺(畢竟并不能确認所有的 ip都是ezooms.bot)。有沒有更穩妥的辦法呢?還是翻閱資料，最後找到了通過.htaccess來解決的辦法。規則如下：         　　RewriteEngine on         　　RewriteCond %{HTTP_USER_AGENT} ^Ezooms         　　RewriteCond %{HTTP_USER_AGENT} ^Ezooms/1.0         　　RewriteRule ^(.*)$ http://getlostbadbot/         　　為什麼這麼寫，網上翻翻更多關于Apache中 RewriteCond 規則參數介紹，我也是菜鳥正在學習中。 轉自:http://www.seowhy.com/bbs/forum.php?mod=viewthread&tid=2945114