Sogou web spider 蜘蛛爬虫详解

Sogou web spider 是什么蜘蛛？

搜索引擎蜘蛛负责抓取网页建立搜索索引，它的抓取顺畅度直接影响收录与搜索流量，通常建议验证后放行。

搜狗搜索网页蜘蛛，UA 不带 Mozilla 前缀，是最容易在日志里一眼认出的蜘蛛之一。

如何识别与验证 Sogou web spider？

nslookup -type=PTR 203.0.113.7
# 得到类似：crawl-203-0-113-7.sogou.com

nslookup crawl-203-0-113-7.sogou.com

robots.txt 与 nginx 配置示例

用 robots.txt 控制 Sogou web spider 抓取

屏蔽全站（正规蜘蛛会遵守）：

User-agent: Sogou web spider
Disallow: /

robots.txt 默认就是允许抓取，放行无需任何配置；如果之前全局屏蔽过，为它单独开绿灯：

User-agent: Sogou web spider
Allow: /
Disallow: /private/   # 仅禁私密目录

在 nginx 中按 UA 拦截 Sogou web spider

当确认它不应抓取你的站点时，可在 server 或 location 段按 UA 拒绝：

if ($http_user_agent ~* "Sogou web spider") {
    return 403;
}

注意：UA 可以被任何人伪造，按 UA 拦截只对"自报家门"的访问有效；要精确拦截伪装流量，应对自称 Sogou web spider 的请求做上面的反向 DNS 校验。

伪装风险提示

Sogou web spider 是被冒充最多的蜘蛛类别之一：采集器、刷量与扫描器常自称搜索引擎 UA 绕过防护。日志中自称 Sogou web spider 的访问，务必按上面的方法做 IP 反向解析验证，验证失败按伪装封禁。

Sogou web spider 常见问题 (FAQ)