合法爬虫功能提供合法搜索引擎白名单(例如Google、Bing、百度、搜狗、Yandex等),为域名放行合法爬虫的访问请求。

前提条件

  • 已开通Web应用防火墙实例,且实例满足以下要求:
    • 包年包月实例:已开启Bot管理模块。
    • 按量计费实例:已在账单与套餐中心开启Bot管理模块下合法爬虫功能。更多信息,请参见账单与套餐中心(按量2.0版本)
  • 已完成网站接入。具体操作,请参见使用教程

背景信息

合法爬虫规则依据阿里云爬虫情报库,帮助您直接放行合法爬虫请求。阿里云爬虫情报库基于阿里云全网流量计算得出并可实时更新,涵盖合法爬虫访问请求来源的特征信息。合法爬虫支持主流搜索引擎的爬虫IP信息,可动态更新,目前包含Google、百度、搜狗、Bing、Yandex。

启用合法爬虫规则后,来自相关搜索引擎的合法爬虫IP将被直接放行,不经过Bot管理模块的防护检测。
说明 在Bot管理模块外,您还可以使用访问控制/限流规则进一步过滤来自于合法爬虫白名单IP的请求。更多信息,请参见设置自定义防护策略

操作步骤

  1. 登录Web应用防火墙控制台
  2. 在顶部菜单栏,选择Web应用防火墙实例的资源组和地域(中国内地非中国内地)。
  3. 在左侧导航栏,选择防护配置 > 网站防护
  4. 网站防护页面上方,切换到要设置的域名。切换域名
  5. 单击Bot管理页签,定位到合法爬虫区域,开启状态开关并单击前去配置合法爬虫
  6. 合法爬虫规则列表,根据情报名称选择要放行的合法爬虫,开启对应的启用状态开关。合法爬虫规则
    默认规则支持单独设置放行来自以下搜索引擎的爬虫请求:Google、Bing、百度、搜狗、Yandex。您也可以只开启合法搜索引擎白名单规则,放行所有支持的搜索引擎白名单。