模板
教程
环境
性能
功能
管理
怎么屏蔽网络机器人搜索？
发表于：2007-05-26来源：作者：点击数：
标签：
请问大家怎么屏蔽网络机器人搜索？怎么防范像针对IE的攻击？ 我眼巴巴的看着每天Erro.log膨胀，不知道有什么办法可以不纪录这个日志？ 谢谢！ mb 回复于：2003-09-28 09:07:37 什么日志，改一下syslog.conf hmkart 回复于：2003-09-28 09:36:12 什么网络机器
请问大家怎么屏蔽网络机器人搜索？怎么防范像针对IE的攻击？
我眼巴巴的看着每天Erro.log膨胀，不知道有什么办法可以不纪录这个日志？
谢谢！
| mb 回复于：2003-09-28 09:07:37 |
| 什么日志，改一下syslog.conf |
| hmkart 回复于：2003-09-28 09:36:12 |
| 什么网络机器人搜索？是指google一样的搜索引擎吗？
一般这些spider都是按robots协议去抓取的,在你站点根目录下放 robots.txt文件,写上你要屏蔽的目录就可以了 |
| wangbin 回复于：2003-09-28 09:58:11 |
| 不知道什么样的，老是在搜索robot.txt 整的我的Apache不停的出现错误，平均每分钟日志增长3K,有什么办法限制呢！
我临时是这样做的，使用轮番日志 CustomLog "|/www/bin/rotatelogs /www/logs/secfocus/aclearcase/" target="_blank" >ccess_log 86400" common |
| wangbin 回复于：2003-09-28 10:01:14 |
| 还有一个问题请教，我删除了apache的日志，他就不再记录了，这样会不会产生内存分配的错误？会不会导致系统崩溃？ |
| shiv 回复于：2003-09-28 10:23:06 |
| 应该不会的
日志和内存分配有关系吗？ |
| 找工作ing 回复于：2003-09-28 10:30:36 |
| 做人要有志气，怎么能随便就跪呢？ |
| daisy_chi 回复于：2003-09-28 14:50:21 |
| 还是没有答案
我的APACHE也是这样的 |
| kinux 回复于：2003-09-28 15:15:35 |
| newsyslog 不就行了吗 |
| wangbin 回复于：2003-09-28 17:54:51 |
| 编辑 /etc/crontab
采取定时执行 newsyslog |
| HonestQiao 回复于：2003-09-28 17:57:16 |
| 禁止搜索引擎收录的方法
一．什么是robots.txt文件? 搜索引擎通过一种程序robot（又称spider），自动访问互联网上的网页并获取网页信息。 您可以在您的网站中创建一个纯文本文件robots.txt，在这个文件中声明该网站中不想被robot访问的部分，这样，该网站的部分或全部内容就可以不被搜索引擎收录了，或者指定搜索引擎只收录指定的内容。 二. robots.txt文件放在哪里? robots.txt文件应该放在网站根目录下。举例来说，当robots访问一个网站（比如http://www.abc.com）时，首先会检查该网站中是否存在http://www.abc.com/robots.txt这个文件，如果机器人找到这个文件，它就会根据这个文件的内容，来确定它访问权限的范围。 网站 URL 相应的 robots.txt的 URL http://www.w3.org/ http://www.w3.org/robots.txt http://www.w3.org:80/ http://www.w3.org:80/robots.txt http://www.w3.org:1234/ http://www.w3.org:1234/robots.txt http://w3.org/ http://w3.org/robots.txt 三. robots.txt文件的格式 "robots.txt"文件包含一条或更多的记录，这些记录通过空行分开（以CR,CR/NL, or NL作为结束符），每一条记录的格式如下所示： "<field>:<optionalspace><value><optionalspace>"。 在该文件中可以使用#进行注解，具体使用方法和UNIX中的惯例一样。该文件中的记录通常以一行或多行User-agent开始，后面加上若干Disallow行,详细情况如下： User-agent: 该项的值用于描述搜索引擎robot的名字，在"robots.txt"文件中，如果有多条User-agent记录说明有多个robot会受到该协议的限制，对该文件来说，至少要有一条User-agent记录。如果该项的值设为*，则该协议对任何机器人均有效，在"robots.txt"文件中，"User-agent：*"这样的记录只能有一条。 Disallow : 该项的值用于描述不希望被访问到的一个URL，这个URL可以是一条完整的路径，也可以是部分的，任何以Disallow 开头的URL均不会被robot访问到。例如"Disallow: /help"对/help.html 和/help/index.html都不允许搜索引擎访问，而"Disallow: /help/"则允许robot访问/help.html，而不能访问/help/index.html。 任何一条Disallow记录为空，说明该网站的所有部分都允许被访问，在"/robots.txt"文件中，至少要有一条Disallow记录。如果"/robots.txt"是一个空文件，则对于所有的搜索引擎robot，该网站都是开放的。 四. robots.txt文件用法举例 例1. 禁止所有搜索引擎访问网站的任何部分 下载该robots.txt文件 User-agent: * Disallow: / 例2. 允许所有的robot访问 (或者也可以建一个空文件 "/robots.txt" file) User-agent: * Disallow: 例3. 禁止某个搜索引擎的访问 User-agent: BadBot Disallow: / 例4. 允许某个搜索引擎的访问 User-agent: baiduspider Disallow: User-agent: * Disallow: / 例5. 一个简单例子 在这个例子中，该网站有三个目录对搜索引擎的访问做了限制，即搜索引擎不会访问这三个目录。 需要注意的是对每一个目录必须分开声明，而不要写成 "Disallow: /cgi-bin/ /tmp/"。 User-agent:后的* 具有特殊的含义，代表"any robot"，所以在该文件中不能有"Disallow: /tmp/*" or "Disallow: *.gif"这样的记录出现. User-agent: * Disallow: /cgi-bin/ Disallow: /tmp/ Disallow: /~joe/ |
| wangbin 回复于：2003-09-28 18:42:22 |
| 原来这样！谢谢！ |
