针对apache、iis6、iis7独立ip主机屏蔽拦截蜘蛛抓取的方法如下：
1. 在网站根目录下新建一个robots.txt文件，添加以下代码：
User-agent: *
Disallow: /
这样可以禁止所有蜘蛛抓取你的网站。
2. 在服务器端安装mod_security模块并配置，可以使用以下命令：
sudo apt-get install libapache-mod-security
在apache配置文件中添加以下内容：
我们都知道：每个网站都是有抓取频次的，比如一个站的抓取频次为500，那么100个呢，1000个呢？一千个站的抓取频次就是50万次的日抓取。所谓蜘蛛池就是通过程序建设大量的站群，这样一来：这些网站汇聚了极多的蜘蛛，在持续的抓取。蜘蛛池的方式就是：把你的网站链接，挂到这些网站内链中去，可以让网站的外链瞬间暴增，极大的为网站带来蜘蛛的抓取，提升收录！不过效果虽好，但是本身是作弊的，很容易被搜索引擎惩罚，
* Apache：通过在网站主机的.htaccess文件中添加下面一行代码即可实现： `SetEnvIfNoCase User-Agent "bot|crawl|spider|Yahoo|ia_archiver| other_spider|Googlebot" bad_bot` * IIS6：打开IIS管理器，右键点击网站，点击“属性”，然后选择“文件夹”，点击高级，在高级属性中勾选
框架 // Copyright(C) 2017 铭飞科技 // #region 版权信息 /* * 此文件自 Copyright(C) 2008 - 2017 铭飞科技 Classification:无 开源网站:http://www.http://www. coding */ #endregion using System; using System.Data; using S
抓取策略：那些网页是我们需要去下载的，那些是无需下载的，那些网页是我们优先下载的，定义清楚之后，能节省很多无谓的爬取。更新策略：监控列表页来发现新的页面；定期check 页面是否过期等等。抽取策略：我们应该如何的从网页中抽取我们想要的内容，不仅仅包含最终的目标内容，还有下一步要抓取的url.抓取频率：我们需要合理的去下载一个网站，却又不失效率。让我对“如何和爬虫对话 ”这个课题有了一些思考，下面归
