如何屏蔽国内最疯狂的蜘蛛爬虫yisouspider？

YisouSpider是什么蜘蛛爬虫？

国内最疯狂的蜘蛛（没有之一）能让你的网站挂掉，尤其是VPS、小内存虚拟机就别说了。

为什么要屏蔽YisouSpider蜘蛛爬虫？

一个网站使用的是阿里的云主机，最近后台监测到网站流量很大，内存占用高，对这个站而言，1个G的内存完全绰绰有余，排查原因，造成这种高流量的因素还比较多，比如阿里云主机本身的逻辑原因、老域名总有黑KE来DDOS和CC、网站程序本身的安全性没做好等等，这些所有因素中，如果可以用百分比来表示，估计YisouSpider这只蜘蛛对此站的贡献程度在50%-70%。它的爬行频率不顾时间，晚上爬白天还爬，爬行频率和次数超过所有其他蜘蛛的总和。

为什么专门写这么一篇屏蔽YisouSpider的文章？

因为YisouSpider太流氓了！自己网上搜吧

 

———————————–重点分割线：如何屏蔽国内最疯狂的蜘蛛爬虫yisouspider？——————————

目录

1 限定Yisouspider访问权限的robots协议写法(已经尝试，无用)

2 Nginx屏蔽爬虫yisouspider访问站点方法（没有尝试过，是apache的）

3 Apache屏蔽爬虫yisouspider访问站点方法(网上的方法，试用过，会造成访问不正常)

4 直接屏蔽封锁yisouspider的IP吧，但是它的IP有点多哦！！

5 Apache屏蔽蜘蛛IP的方法（nginx….）

6 yisouspider蜘蛛爬虫的IP清单（1086个IP）

限定Yisouspider访问权限的robots协议写法(已经尝试，无用)
robots.txt 必须放在网站根目录下，且文件名要小写。

具体写法：

1) 完全禁止 yisouspider 抓取：

User-agent: yisouspiderDisallow: /
2) 禁止 yisouspider 抓取指定目录

User-agent: yisouspiderDisallow: /updateDisallow: /history
禁止抓取 update、history 目录下网页

Nginx屏蔽爬虫yisouspider访问站点方法（没有尝试过，我是apache的）
进入到 nginx 安装目录下的 conf 目录，将如下代码保存为 agent_deny.conf

#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 ~ “yisouspider|FeedDemon|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|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms|^$” ) { return 403;}#禁止非 GET|HEAD|POST 方式的抓取if ($request_method !~ ^(GET|HEAD|POST)$) { return 403;}
然后，在网站相关配置中的

location / {try_files $uri $uri/ /index.php?$args;
下方插入如下代码：

include agent_deny.conf;
保存后，执行如下命令，平滑重启 nginx 即可：

/usr/local/nginx/sbin/nginx -s reload
Apache屏蔽爬虫yisouspider访问站点方法(网上的方法，试用过，会造成访问不正常)
1、通过修改 .htaccess 文件

修改网站目录下的.htaccess，添加如下代码即可（2 种代码任选）：

可用代码 (1)：

RewriteEngine OnRewriteCond %{HTTP_USER_AGENT} (^$|yisouspider|FeedDemon|Indy Library|Alexa Toolbar|AskTbFXTV|AhrefsBot|CrawlDaddy|CoolpadWebkit|Java|Feedly|UniversalFeedParser|ApacheBench|Microsoft URL Control|Swiftbot|ZmEu|oBot|jaunty|Python-urllib|lightDeckReports Bot|YYSpider|DigExt|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms) [NC]RewriteRule ^(.*)$ – [F]
可用代码 (2)：

SetEnvIfNoCase ^User-Agent$ .*(yisouspider|FeedDemon|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|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms) BADBOTOrder Allow,DenyAllow from allDeny from env=BADBOT
2、通过修改 httpd.conf 配置文件

找到如下类似位置，根据以下代码 新增 / 修改，然后重启 Apache 即可：

DocumentRoot /home/wwwroot/xxx<Directory “/home/wwwroot/xxx”>SetEnvIfNoCase User-Agent “.*(yisouspider|FeedDemon|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|HttpClient|MJ12bot|heritrix|EasouSpider|Ezooms)” BADBOTOrder allow,denyAllow from alldeny from env=BADBOT</Directory>
直接屏蔽封锁yisouspider的IP吧，但是它的IP有点多哦！！
Apache屏蔽蜘蛛IP的方法（nginx我不知道….）
修改htacess文件如下

order allow,denyallow from all#需要屏蔽的IP地址deny from 106.11.152.100deny from 106.11.152.102
yisouspider蜘蛛爬虫的IP清单（1086个IP）
以下YisouSpider的IP是我通过网站日志统计的，并不是全部的YisouSpider的IP，后续会更新这个IP清单。

总共1086个IP!!!!!!! 全部是阿里云的IP，YisouSpider全部使用的是阿里云的服务器….