共计 2772 个字符，预计需要花费 7 分钟才能阅读完成。
问题：我注意到有一些机器人经常访问我的 Nginx 驱动的网站，并且进行一些攻击性的扫描，导致消耗掉了我的网络服务器的大量资源。我一直尝试着通过用户代理符串来阻挡这些机器人。我怎样才能在 Nginx 网络服务器上阻挡掉特定的用户代理呢？
现代互联网滋生了大量各种各样的恶意机器人和网络爬虫，比如像恶意软件机器人、垃圾邮件程序或内容刮刀，这些恶意工具一直偷偷摸摸地扫描你的网站，干些诸如检测潜在网站漏洞、收获电子邮件地址，或者只是从你的网站偷取内容。大多数机器人能够通过它们的“用户代理”签名字符串来识别。
作为第一道防线，你可以尝试通过将这些机器人的用户代理字符串添加入 robots.txt 文件来阻止这些恶意软件机器人访问你的网站。但是，很不幸的是，该操作只针对那些“行为良好”的机器人，这些机器人被设计遵循 robots.txt 的规范。许多恶意软件机器人可以很容易地忽略掉 robots.txt，然后随意扫描你的网站。
另一个用以阻挡特定机器人的途径，就是配置你的网络服务器，通过特定的用户代理字符串拒绝要求提供内容的请求。本文就是说明如何 在 nginx 网络服务器上阻挡特定的用户代理。
在 Nginx 中将特定用户代理列入黑名单
要配置用户代理阻挡列表，请打开你的网站的 nginx 配置文件，找到 server 定义部分。该文件可能会放在不同的地方，这取决于你的 nginx 配置或 Linux 版本（如，/etc/nginx/nginx.conf,/etc/nginx/sites-enabled/<your-site>,/usr/local/nginx/conf/nginx.conf,/etc/nginx/conf.d/<your-site>）。
server {listen 80 default_server;server_name xmodulo.com;root /usr/share/nginx/html;....}
在打开该配置文件并找到 server 部分后，添加以下 if 声明到该部分内的某个地方。
server {listen 80 default_server;server_name xmodulo.com;root /usr/share/nginx/html;# 大小写敏感的匹配if($http_user_agent ~(Antivirx|Arian){return403;}# 大小写无关的匹配if($http_user_agent ~*(netcrawl|npbot|malicious)){return403;}....}
如你所想，这些 if 声明使用正则表达式匹配了任意不良用户字符串，并向匹配的对象返回 403 HTTP 状态码。$http_user_agent是 HTTP 请求中的一个包含有用户代理字符串的变量。‘~’操作符针对用户代理字符串进行大小写敏感匹配，而‘~*’操作符则进行大小写无关匹配。‘|’操作符是逻辑或，因此，你可以在 if 声明中放入众多的用户代理关键字，然后将它们全部阻挡掉。
在修改配置文件后，你必须重新加载 nginx 以激活阻挡：
$ sudo /path/to/nginx -s reload
你可以通过使用带有“–user-agent”选项的 wget 测试用户代理阻挡。
$ wget --user-agent "malicious bot" http://<nginx-ip-address>
管理 Nginx 中的用户代理黑名单
目前为止，我已经展示了在 nginx 中如何阻挡一些用户代理的 HTTP 请求。如果你有许多不同类型的网络爬虫机器人要阻挡，又该怎么办呢？
由于用户代理黑名单会增长得很大，所以将它们放在 nginx 的 server 部分不是个好点子。取而代之的是，你可以创建一个独立的文件，在该文件中列出所有被阻挡的用户代理。例如，让我们创建 /etc/nginx/useragent.rules，并定义以下面的格式定义所有被阻挡的用户代理的图谱。
$ sudo vi /etc/nginx/useragent.rules
map $http_user_agent $badagent {default0;~*malicious 1;~*backdoor 1;~*netcrawler 1;~Antivirx1;~Arian1;~webbandit 1;}
与先前的配置类似，‘~*’将匹配以大小写不敏感的方式匹配关键字，而‘~’将使用大小写敏感的正则表达式匹配关键字。“default 0”行所表达的意思是，任何其它文件中未被列出的用户代理将被允许。
接下来，打开你的网站的 nginx 配置文件，找到里面包含 http 的部分，然后添加以下行到 http 部分某个位置。
http {.....include /etc/nginx/useragent.rules}
注意，该 include 声明必须出现在 server 部分之前（这就是为什么我们将它添加到了 http 部分里）。
现在，打开 nginx 配置定义你的服务器的部分，添加以下 if 声明：
server {....if($badagent){return403;}....}
最后，重新加载 nginx。
$ sudo /path/to/nginx -s reload
现在，任何包含有 /etc/nginx/useragent.rules 中列出的关键字的用户代理将被 nginx 自动禁止。
CentOS 6.3 下 Nginx 性能调优 http://www.linuxidc.com/Linux/2013-09/89656.htm
CentOS 6.3 下配置 Nginx 加载 ngx_pagespeed 模块 http://www.linuxidc.com/Linux/2013-09/89657.htm
CentOS 6.4 安装配置 Nginx+Pcre+php-fpm http://www.linuxidc.com/Linux/2013-08/88984.htm
Nginx 安装配置使用详细笔记 http://www.linuxidc.com/Linux/2014-07/104499.htm
Nginx 日志过滤 使用 ngx_log_if 不记录特定日志 http://www.linuxidc.com/Linux/2014-07/104686.htm
Nginx 的详细介绍：请点这里
Nginx 的下载地址：请点这里
via: http://ask.xmodulo.com/block-specific-user-agents-nginx-web-server.html
作者：Dan Nanni 译者：GOLinux 校对：wxy
本文由 LCTT 原创翻译，Linux 中国 荣誉推出
来源：https://linux.cn/article-5487-1.html
本文永久更新链接地址：http://www.linuxidc.com/Linux/2015-05/117840.htm
