通過.htaccess文件屏蔽不良蜘蛛

一週前，筆者分享過一篇文章《seo診斷：透過Log日誌找到網站死結》，並在最後附上了兩條改善建議。由於客觀條件所限，最後採用robots 屏蔽的方法。先一起來看看一週後的蜘蛛變化，三大主流蜘蛛總抓取量銳減，證明robots文件開始生效。從圖上的訪問次數、總停留時間和總抓取量看，有所進步但路還很遠。
                　　然而，從11號開始，網站LOG日誌開始出現衆多中文非主流蜘蛛訪問，其中不乏知名俄羅斯搜索引擎蜘蛛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，本能地將以上所有蜘蛛(對中文網站seo而言，以上的蜘蛛就是垃圾蜘蛛)通過Robots.txt文件disallow 掉。本以爲這樣就算搞定了，但是今早打開最近3天的LOG日誌一看，垃圾蜘蛛抓取更加頻繁，兇猛，尤其以ezooms.bot爲甚。
        　　一般來說，搜索引擎對待Robots.txt文件有個生效期，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協議違反者。
        　　今天要分享的就是如何通過.htaccess文件屏蔽不良蜘蛛。
        　　以下是14號的網站日誌，導入到Excel進行篩選分析，發現在當天所有訪問日誌(包括真實用戶和蜘蛛)中，竟然有多達342次訪問記錄。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，國內一般叫Spider)
                　　Ezooms.bot究竟是何方神聖?於是通過百度去搜索相關的記錄，但是很不理想，百度沒有任何相關的記錄。沒辦法，只能求助於谷歌，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的博客文章，對該bot也沒有一個明確的說法，有的認爲是SEOMoz Bot，有的認爲是個文章採集者，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：
                　　從瞭解到的知識來看，ezooms.bot對爬行的網站沒有任何的幫助，遂下定決心屏蔽之。由於ezooms.bot不遵守Robots.txt協議，又想起了通過htaccess文件屏蔽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(畢竟並不能確認所有的 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/

        　　爲什麼這麼寫，網上翻翻更多關於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