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：
近期百度搜索最大的动作应该就是百度Spider3.0升级了，简单的概括下升级的特点就是：抓取更实时，收录效率更快，对原创优质内容更青睐。此次升级是把当前离线、全量计算为主的系统，改造成实时、增量计算的全实时调度系统，万亿规模的数据进行实时读写，可以收录90%的网页，速度提升80%！『抓取、建库更快—提交的内容更容易被抓取』链接发现方面：如今sipder每天发现的新链接在500亿左右的量级，说明啥？
百度官方表示，造成蜘蛛抓取流量暴增的原因主要有以下几个方面： 1. 站点更新频繁：如果站点内容更新频繁，蜘蛛会更加积极地抓取页面，从而带来流量的上涨。 2. 站点质量提高：如果站点内容质量得到提高，搜索引擎会更加青睐，从而增加蜘蛛的抓取频率，进而带来流量的上涨。 3. 站点结构优化：如果站点结构调整得当，蜘蛛能够更好地抓取页面，从而提高流量。 4. 站点权重提高：如果站点的权重得到提高，蜘
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
百度用于抓取网页的程序叫做Baiduspider - 百度蜘蛛，我们查看网站被百度抓取的情况主要是分析，网站日志里百度蜘蛛Baiduspider的活跃性：抓取频率，返回的HTTP状态码。如何查看网站被百度抓取的情况？查看日志的方式：通过FTP，在网站根目录找到一个日志文件，文件名一般包含log，下载解压里面的记事本，这即是网站的日志，记录了网站被访问和操作的情况。因为各个服务器和主机的情况不同，不
