blocks|key|1270664|text|您确实可以使用.htaccess。robots.txt是另一种选择，但是有些爬虫会忽略这一点。还可以阻止特定的用户代理字符串。(爬行器各不相同)|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1270665|robots.txt：|1270666|User-agent:+*
Disallow:+/|code-block|syntax|javascript|1270667|这个例子告诉所有的机器人远离网站:你可以阻止特定的目录。|1270668|Disallow:+/demo/|1270669|有关robots.txt的更多信息|1270670|entityMap|0|LINK|mutability|MUTABLE|url|http://www.robotstxt.org/^0|7|9|H|A|0|0|0|0|0|0|H|0|0^^$0|@$1|2|3|4|5|6|7|10|8|@$9|11|A|12|B|C]|$9|13|A|14|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|15|8|@]|D|@]|E|$]]|$1|H|3|I|5|J|7|16|8|@]|D|@]|E|$K|L]]|$1|M|3|N|5|6|7|17|8|@]|D|@]|E|$]]|$1|O|3|P|5|J|7|18|8|@]|D|@]|E|$K|L]]|$1|Q|3|R|5|6|7|19|8|@]|D|@$9|1A|A|1B|1|1C]]|E|$]]|$1|S|3|-4|5|6|7|1D|8|@]|D|@]|E|$]]]|T|$U|$5|V|W|X|E|$Y|Z]]]]

You can indeed use a <code>.htaccess</code>. <code>robots.txt</code> is another option but some crawlers will ignore this. 
You can also block specific user agent strings. (They differ from crawler to crawler)

robots.txt:

<pre><code>User-agent: *
Disallow: /
</code></pre>

This example tells all robots to stay out of the website:
You can block specific directories

<pre><code>Disallow: /demo/
</code></pre>

<a href="http://www.robotstxt.org/" rel="nofollow">More information about robots.txt</a>

blocks|key|2268875|text|你可以通过这样做来禁止特定的爬虫；|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2268876|RewriteEngine+On
RewriteCond+%25{HTTP_USER_AGENT}+(spyder/Nutch-2)+[NC]
#For+multi+block
#RewriteCond+%25{HTTP_USER_AGENT}+(spyder/Nutch-2%7Cbaidu%7Cgoogle%7C...)+[NC]
RewriteRule+.*+-+[R=403,L]|code-block|syntax|javascript|2268877|那个爬虫，可以更改代理名称，所以这可能不是解决方案。你需要通过查看需要的ip地址来阻止爬虫；|2268878|Order+Deny,Allow
Deny+from+x.x.x.x|2268879|然而，这个机器人也可以改变他的ip地址。这意味着，您需要跟踪访问日志。并决定要阻止哪些代理并手动将它们添加到列表中。|2268880|entityMap^0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|O|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|Q|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|R|8|@]|9|@]|A|$E|F]]|$1|K|3|L|5|6|7|S|8|@]|9|@]|A|$]]|$1|M|3|-4|5|6|7|T|8|@]|9|@]|A|$]]]|N|$]]

You can forbid specific crawlers by doing thatfollowing;

<pre><code>RewriteEngine On
RewriteCond %{HTTP_USER_AGENT} (spyder/Nutch-2) [NC]
#For multi block
#RewriteCond %{HTTP_USER_AGENT} (spyder/Nutch-2|baidu|google|...) [NC]
RewriteRule .* - [R=403,L]
</code></pre>

That crawler, can change agent name, so this may not be the solution. You need to block that crawler by looking at ip address in need;

<pre><code>Order Deny,Allow
Deny from x.x.x.x
</code></pre>

However, that bot can also change his ip address. This means, you need to track your access logs. And decide which agents to be blocked and add them to list manually

blocks|key|1270700|text|您可以使用.htaccess文件禁止特定的IP地址：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1270701|Order+Deny,Allow
Deny+from+xxx.xx.xx.xx|code-block|syntax|javascript|1270702|其中xxx表示IP地址。|1270703|entityMap^0|0|0|0^^$0|@$1|2|3|4|5|6|7|K|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|L|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|M|8|@]|9|@]|A|$]]|$1|I|3|-4|5|6|7|N|8|@]|9|@]|A|$]]]|J|$]]

You can ban the particular IP address with .htaccess file:

<pre><code>Order Deny,Allow
Deny from xxx.xx.xx.xx
</code></pre>

where xxx represents IP address

blocks|key|1270713|text|关。最好使用robots.txt文件。该页面链接通过为什么你要设置一个，以及如何这样做。总结如下：|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1270714|它避免在蜘蛛和机器人在页面上运行脚本时浪费服务器资源。|ordered-list-item|1270715|它可以节省带宽。|1270716|它消除了网络数据中的杂乱。|1270717|你可以微调它，只排除某些机器人。|1270718|我要提的是一个警告。有些蜘蛛被编码成无视robots.txt文件，甚至会检查它，看看你不想让它们访问什么。然而，来自合法来源的蜘蛛将服从robots.txt指令。|1270719|entityMap|0|LINK|mutability|MUTABLE|url|http://www.thesitewizard.com/archive/robotstxt.shtml^0|6|A|0|0|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|W|8|@]|9|@$A|X|B|Y|1|Z]]|C|$]]|$1|D|3|E|5|F|7|10|8|@]|9|@]|C|$]]|$1|G|3|H|5|F|7|11|8|@]|9|@]|C|$]]|$1|I|3|J|5|F|7|12|8|@]|9|@]|C|$]]|$1|K|3|L|5|F|7|13|8|@]|9|@]|C|$]]|$1|M|3|N|5|6|7|14|8|@]|9|@]|C|$]]|$1|O|3|-4|5|6|7|15|8|@]|9|@]|C|$]]]|P|$Q|$5|R|S|T|C|$U|V]]]]

Close. It would be better to use a <a href="http://www.thesitewizard.com/archive/robotstxt.shtml" rel="nofollow">robots.txt</a> file. The page linked goes through why you would want to set one up and how to do so. In summary:

<ol>
<li>It avoids wasting server resources as the spiders and bots run the scripts on the page.</li>
<li>It can save bandwidth.</li>
<li>It removes clutter from the webstats.</li>
<li>You can fine-tune it to exclude only certain robots.</li>
</ol>

One caveat I should mention. Some spiders are coded to disregard the robots.txt file and will even examine it to see what you don't want them to visit. However, spiders from legit sources will obey the robots.txt directives.

blocks|key|2268953|text|您可以使用.htaccess或者另一个选项是使用php代码。在php代码的顶部，只需输入如下内容：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2268954|if(strpos($_SERVER['HTTP_USER_AGENT'],'spyder/Nutch-2')+!==+false)+{
++++die();
}
//rest+of+code+here|code-block|syntax|javascript|2268955|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

You could use .htaccess or another option would be to use php code. At the top of the php code simply put something like this:

<pre><code>if(strpos($_SERVER['HTTP_USER_AGENT'],'spyder/Nutch-2') !== false) {
 die();
}
//rest of code here
</code></pre>

I have a Windows client application that consumes a php page hosted in a shared commercial webserver. 

In this php page I am returning an encrypted json. Also in this page I have a piece of code to keep track of which IPs are visiting this php page, and I have noticed that there is a <code>spyder/Nutch-2</code> crawler visiting this page.

I am wandering how is possible that a crawler could find a page that is not published in any search engines. I there a way to block crawlers from visiting this specific page? 

Shall I use <code>.htaccess</code> file to configure it?

How to block crawlers such as spyder/Nutch-2 from visiting a specific page?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我有一个Windows客户端应用程序，它使用托管在共享商业php服务器中的php页面。在这个php页面中，我将返回一个加密的json。同样在这个页面中，我有一段代码来跟踪哪个in正在访问这个php页面，并且我注意到有一个spyder/Nutch-2爬虫正在访问这个页面。我在想，一个爬虫怎么可能找到一个没有在任何搜索引擎中发布的页面。我有办法阻止爬虫访问这个特定的页面吗？我应该使用.htaccess

问如何阻止爬虫(如spyder/Nutch-2 )访问特定的页面？
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何阻止爬虫(如spyder/Nutch-2 )访问特定的页面？EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何阻止爬虫(如spyder/Nutch-2 )访问特定的页面？
EN