？ 1. 通过robots.txt可屏蔽Google、Baidu、Bing等常见的网站搜索引擎的抓取; 2. 通过User Agent阻止未知垃圾爬虫或无流量搜索引擎，通过历史行为表明该蜘蛛具有不良意图抓取数据; 3. 通过代理服务器设置黑名单，可以限制不同来源IP的访问； 4. 通过验证码屏蔽爬虫或机器人，使搜索结果不准确、不可用; 5. 通过网络防火墙设置黑白名单，阻止一些特定的网站蜘蛛和 IP 地址； 6. 通过反向代理服务器对特定的来源IP地址加以屏蔽，限制不同的来源的访问； 7. 通过在服务器端建立机器学习模型，以根据历史访问状态识别垃圾爬虫，以拦截未知的垃圾爬虫或无流量搜索引擎； 8. 通过定期检查访问日志，识别出存在异常行为的爬虫或无流量搜索引擎并对其设置禁止访问。
蜘蛛程序（spider）是一种自动化的网络爬虫，也称为网络蜘蛛、网络机器人、网络爬虫等。蜘蛛程序通过搜索引擎的搜索引擎结果页面自动地爬取网络上的信息，并将爬取的数据保存在数据库中。 蜘蛛程序通常会根据特定的算法和规则，自动地遍历网页，将网页上的内容、链接、图片等数据提取出来，然后整理、分类、存储和建立索引，使得用户能够更方便地获取网络信息。蜘蛛程序也可以通过采用机器学习和自然语言处理等技术，不断
因为搜索引擎索引数据库的更新需要时间。虽然sogou spider已经停止访问您网站上的网页，但搜狗搜索引擎数据库中已经建立的网页索引信息，可能需要数月时间才会清除。另外也请检查您的robots配置是否正确。如果您的拒绝被收录需求非常急迫，也可以通过删除快照反馈请求处理。
1. 重新编辑robots.txt文件，将网站中不需要抓取的页面和目录添加进去； 2. 如果抓取的网站带有反爬虫功能，建议可以设置User-Agent，以区分人为访问和爬虫程序进行访问； 3. 设置深度抓取，让程序对某个网页进行抓取时，只抓取它指定难度及深度的URL； 4. 不定时发起网站扫描任务，用来检查异常的URL，以及分析抓取URL的情况，同时将发现的问题处理掉； 5. 合理设置
前两天人们注意到Google Adsense蜘蛛所抓取的网页会出现在搜索结果中。Matt Cutts在他的博客里迅速的做出了回应，对这种现象做了进一步解释。简单来说，Google在完成大爸爸数据中心升级后，各种蜘蛛抓取网页的机制产生了变化。不是各个蜘蛛直接抓取网页，而是由一个爬行缓存代理crawl caching proxy抓取网页，然后不同的蜘蛛从这个缓存中获取内容，从而节省了带宽。Matt C
