WbSrch 是个人开发者 Xangis 开源的通用搜索引擎爬虫,配套同名开源搜索引擎项目,2013 年秋上线、2016 年夏停止运营。核心用于全网文本文档抓取,构建多语言(14 种)独立搜索索引,基于 Django+PostgreSQL 开发,仅静态抓取、不支持 JS 渲染,严格遵循 robots.txt,是早期开源轻量爬虫的典型代表。
通过网站根目录的 robots.txt 声明禁止该爬虫访问,简单标准;恶意爬虫会无视该规则。
在服务器配置中直接匹配爬虫 UA 返回 403,不消耗应用资源;需修改服务器配置。
通过 .htaccess 规则拦截指定 UA,无需修改主配置;仅适用于 Apache 服务器。
在 PHP 代码中判断访问者 UA,命中后返回 403,灵活可定制;会消耗应用服务器资源。
前端 JavaScript 检测 UA 并跳转 403 页面,简单易实现;高级爬虫可绕过(不执行 JS)。