Apache与Nginx网络模型
- - CSDN博客互联网推荐文章 Nginx的高并发得益于其采用了epoll模型,与传统的服务器程序架构不同,epoll是linux内核2.6以后才出现的. 下面通过比较Apache和Nginx工作原理来比较. 传统Apache都是多进程或者多线程来工作,假设是多进程工作(prefork),apache会先生成几个进程,类似进程池的工作原理,只不过这里的进程池会随着请求数目的增加而增加.
张戈博客用的是 Nginx,所以直接在 server 中新增如下规则即可:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
server
{
listen80;
server_name zhangge.net;
index index.htmlindex.htmindex.phpdefault.htmldefault.htmdefault.php;
root /home/wwwroot/zhangge.net;
#### 新增规则【开始】 ####
#初始化变量为空
set$deny_spider"";
#如果请求地址中含有需要禁止抓取关键词时,将变量设置为y:
if($request_uri ~*"\?replytocom=(\d+)|\?p=(\d+)|/feed|/date|/wp-admin|comment-page-(\d+)|/go"){
set$deny_spider'y';
}
#如果抓取的UA中含有spider或bot时,继续为变量赋值(通过累加赋值间接实现nginx的多重条件判断)
if($http_user_agent~*"spider|bot"){
set$deny_spider"${deny_spider}es";
}
#当满足以上2个条件时,则返回404,符合搜索引擎死链标准
if($deny_spider='yes'){
return403;#如果是删除已收录的,则可以返回404
break;
}
#### 新增规则【结束】 ####
#以下规则略...
|
Ps:就是将上述代码中“新增规则【开始】”到“新增规则【结束】”内容添加到我们网站的 Nginx 配置-- server 模块 中的 root 指令之后即可。
Apache 测试了半天总是500错误,暂时先放弃了,有时间再来调整!
我自己测试写的规则如下,感兴趣的朋友可以自行测试看看,也许是我环境的问题。
1
2
3
4
|
RewriteEngineOn
RewriteCond%{HTTP_USER_AGENT}(^$|spider|bot)[NC]
RewriteCond%{REQUEST_URI}(/\?replytocom=(\d+)|\?p=(\d+)|\/feed|\/date|\/wp-admin|wp-includes|\/go|comment-page-(\d+))[NC]
RewriteRule^(.*)$-[F]
|
Ps:大概思路和Nginx一致,既匹配了蜘蛛UA,又匹配了禁止关键词的抓取,直接返回403(如何返回404,有知道的朋友请留言告知下,测试成功的朋友也敬请分享一下代码,我实在没时间折腾了。)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
/**
* PHP比robots更彻底地禁止蜘蛛抓取指定路径代码 By 张戈博客
* 原文地址:http://zhangge.net/5043.html
* 申 明:原创代码,转载请注保留出处,谢谢合作!
* 使用说明:将一下代码添加到主题目录的functions.php当中即可。
*/
ob_start("Deny_Spider_Advanced");
functionDeny_Spider_Advanced(){
$UA=$_SERVER['HTTP_USER_AGENT'];
$Request_uri=$_SERVER['PHP_SELF'].'?'.$_SERVER['QUERY_STRING'];
$Spider_UA ='/(spider|bot|)/i';//定义需要禁止的蜘蛛UA,一般是spider和bot
//禁止蜘蛛抓取的路径,可以参考自己的robots内容,每个关键词用分隔符隔开,需注意特殊字符的转义
$Deny_path ='/\?replytocom=(\d+)|\?p=(\d+)|\/feed|\/date|\/wp-admin|wp-includes|\/go|comment-page-(\d+)/i';
//如果检测到UA为空,可能是采集行为
if(!$UA){
header("Content-type: text/html; charset=utf-8");
wp_die('请勿采集本站,因为采集的站长木有小JJ!');
}else{
//如果发现是蜘蛛,并且抓取路径匹配到了禁止抓取关键词则返回404
if(preg_match_all($Spider_UA,$UA)&&preg_match_all($Deny_path,$Request_uri)){
//header('HTTP/1.1 404 Not Found');
//header("status: 404 Not Found");
header('HTTP/1.1 403 Forbidden');//可选择返回404或者403(有朋友说内链404对SEO不太友好)
header("status: 403 Forbidden");
}
}
}
|
使用很简单,将上述PHP代码添加到主题目录下放 functions.php 当中即可。
测试效果很简单,直接利用百度站长平台的抓取诊断工具即可:
点开看看可以发现真的是返回404:
最后,结合张戈博客之前分享的《 SEO技巧:Shell脚本自动提交网站404死链到搜索引擎》即可将这些无用的收录全部删除:
有朋友说我这个是黑帽手法,用户可以访问,而搜索引擎却404,很适合淘宝客网站的商品外链。是什么手法我不清楚,我只知道实用就好!特别是张戈博 客那些外链,都是用/go?url=这个路径来跳转的,现在这样处理后,就算搜索引擎不遵循robots硬是要抓取,就只能抓到404了!
转自张戈的博客