原文地址 : 利用 nginx 来屏蔽指定的 user_agent 的访问
    对于做国内站的我来说，我不希望国外蜘蛛来访问我的网站，特别是个别垃圾蜘蛛，它们访问特别频繁。这些垃圾流量多了之后，严重浪费服务器的带宽和资源。通过判断 user agent，在 nginx 中禁用这些蜘蛛可以节省一些流量，也可以防止一些恶意的访问。
    1、进入 nginx 的配置目录，例如 cd /usr/local/nginx/conf
    2、添加 agent_deny.conf 配置文件 vim agent_deny.conf
    加入以下

    1. # 禁止Scrapy等工具的抓取
    2. if ($http_user_agent ~* (Scrapy|Curl|HttpClient)) {
    3.   return 403;
    4. }
    5. # 禁止指定UA及UA为空的访问
    6. if ($http_user_agent ~ "FeedDemon|JikeSpider|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|YisouSpider|HttpClient|MJ12bot|heritrix|EasouSpider|LinkpadBot|Ezooms|^$" )
    7. {
    8.   return 403;
    9. }
    10. #禁止非GET|HEAD|POST方式的抓取
    11. if ($request_method !~ ^(GET|HEAD|POST)$) {
    12.   return 403;
    13. }

    还有加一些针对特殊的 user_agent 的访问

    1. if ($http_user_agent ~ "Mozilla/4.0\ \(compatible;\ MSIE\ 6.0;\ Windows\ NT\ 5.1;\ SV1;\ .NET\ CLR\ 1.1.4322;\ .NET\ CLR\ 2.0.50727\)") {
    2.     return 404;
    3. }

    这个是如何得出是频繁访问的 user_agent 呢，通过分析 nginx 的日志可以得出

    1. tail -n 1000 /usr/local/nginx/logs/access.log | awk -F\" '{A[$(NF-1)]++}END{for(k in A)print A[k],k}' | sort -n | tail 分析访问次数

    执行以上命令可以得出访问最多的 user_agent，通过人为判断是否正常来屏蔽
    然后在 nginx.conf 的 location 中加入 include agent_deny.conf;
    平滑重启 nginx

    1. /usr/local/nginx/sbin/nginx –s reload

    然后测试一下 设置是否成功

    1. curl -I -A "BaiduSpider" www.test.com
    1. HTTP/1.1 200 OK
    2. Server: nginx
    3. Date: Mon, 09 Feb 2015 03:37:20 GMT
    4. Content-Type: text/html; charset=UTF-8 Connection: keep-alive
    5. Vary: Accept-Encoding
    6. X-Powered-By: PHP/5.5.19 Vary: Accept-Encoding, Cookie
    7. Cache-Control: max-age=3, must-revalidate
    8. WP-Super-Cache: Served supercache file from PHP
    1. curl -I -A "JikeSpider" www.test.com
    1. HTTP/1.1 403 Forbidden
    2. Server: nginx Date: Mon, 09 Feb 2015 03:37:44 GMT
    3. Content-Type: text/html
    4. Content-Length: 162 Connection: keep-alive

    到这里，nginx 通过判断 User-Agent 屏蔽蜘蛛访问网站就已经完成，可以根据实际情况对 agent_deny.conf 中的蜘蛛进行增加、删除或者修改。