Apache配置时如何实现防盗爬虫
Apache服务器可通过多种方法防盗爬虫：利用mod_rewrite模块过滤IP和User-Agent，引入mod_security实现精细规则，使用mod_evasive限制访问频率，设置robots.txt引导合法爬虫，加验证码阻止自动化脚本，以及通过API密钥锁定接口访问。组合使用可有效覆盖风险场景。
说到Apache服务器的防盗爬虫，很多开发者第一反应是加个防火墙或者限制IP。但其实，Apache本身自带了好几种很有效的玩法，组合使用下来，效果比想象中要好。下面把这些方法逐一拆开来看，希望能给你一些启发。
1. 用mod_rewrite模块，做简单的访问控制
mod_rewrite是Apache里的老牌利器，专门用来重写URL。你可以用它在访问层做过滤，阻止或限制对特定资源的请求。
RewriteEngine On
# 阻止特定IP访问
RewriteCond %{REMOTE_ADDR} ^123.456.789.0$
RewriteRule .* - [F]
# 阻止特定User-Agent访问
RewriteCond %{HTTP_USER_AGENT} ^BadBot$
RewriteRule .* - [F]
2. 引入mod_security，来点更精细的规则
mod_security是Apache生态里一个重量级的Web应用防火墙（WAF）。它不只能做简单的IP屏蔽，还能结合规则引擎，检测并阻止恶意请求。对于爬虫防范来说，它能干的活比mod_rewrite精细得多。
首先，确保安装了mod_security模块：
sudo apt-get install libapache2-mod-security2然后，在Apache配置文件中启用mod_security：
LoadModule security2_module /usr/lib/apache2/modules/mod_security2.so
SecRuleEngine On
SecRequestBodyAccess On
SecResponseBodyAccess On
# 阻止特定User-Agent
SecRule REQUEST_HEADERS:User-Agent "@pm BadBot" "id:1234567,deny,status:403"
# 阻止特定IP
SecRule REMOTE_ADDR "@pm 123.456.789.0" "id:1234568,deny,status:403"
3. 用mod_evasive，防止暴力请求
如果担心爬虫发起暴力请求甚至DDoS，mod_evasive是专门干这个的。它能监控单IP的访问频率，一旦超过设定阈值，就自动加入黑名单，阻止后续请求。
先确保安装了mod_evasive模块：
sudo apt-get install libapache2-mod-evasive20然后，在Apache配置文件中启用它：
LoadModule evasive20_module /usr/lib/apache2/modules/mod_evasive20.so
DOSHashTableSize3097
DOSPageCount2
DOSSiteCount50
DOSPageInterval 1
DOSSiteInterval 1
DOSBlockingPeriod 10
4. 用robots.txt，跟正经爬虫打个招呼
robots.txt虽然不是强制手段，但它是你与正经爬虫（比如百度和Google的收录机器人）沟通的第一道防线。设置得当的话，可以让它们放弃抓取敏感目录。
在网站的根目录下创建或编辑robots.txt文件：
User-agent: *
Disallow: /admin/
Disallow: /private/
5. 加个验证码，挡住自动化脚本
对于需要用户交互的页面，比如登录、注册、表单提交，验证码是个很直接的办法。虽然会牺牲一点用户体验，但对于自动化爬虫来说，要求它识别图片验证码，基本上可以把它挡在门外。
6. 用API密钥，锁定接口访问
对于API接口，最简单的控制手段就是用API密钥。只有携带了正确密钥的请求才被允许访问数据，否则直接返回403拒绝。很多框架都内置了相关的验证机制，比如Flask里可以这样写：
from flask import Flask, request, jsonify
app = Flask(__name__)
@app.route('/api/data', methods=['GET'])
def get_data():
api_key = request.headers.get('X-API-KEY')
if api_key == 'your-secret-api-key':
return jsonify({'data': 'sensitive information'})
else:
return jsonify({'error': 'Invalid API key'}), 403
if __name__ == '__main__':
app.run(ssl_context='adhoc')最后总结一下——防盗爬虫没有银弹，但把上述几招组合使用，往往能覆盖大部分风险场景。从基础的IP限制、User-Agent过滤，到高级的WAF、频率控制，再到接口层的API密钥，层层叠加，爬虫就难有可趁之机了。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
