如何防止WordPress网站内容被抓取

最近在检查网站服务器的访问日志的时候，发现了大量来自同一个IP地址的的请求，用站长工具分析确认了我的网站内容确实是被他人的网站抓取了，我第一时间联系了对方网站的服务器提供商投诉了该网站，要求对方停止侵权行为，然而这只能暂时性的解决问题，为了避免以后再有意外发生，我结合了咨询Hostease的技术支持得到的反馈以及自己从网上了解到的信息，做了以下的优化，分享出来希望能对大家有一些帮助。

1.在网站上放置版权声明

我们经常可以看到一些网页上会展示版权信息，比如Hostease的官网，如图：

正如图中所展示的，大部分网站的版权内容是展示在页脚部分的，这个做法虽然不能解决网站被抓取的问题，但是当需要提交DMCA 投诉或者法律介入的时候，版权信息就是非常有用的信息。

2.更改RSS feed

抓取工具在抓取网站内容的时候，需要依赖网站的RSS feed，对RSS feed做一些小的调整，就可以防止内容被抓取。

在RSS源中设置只显示帖子的摘要而非完整内容，这样对方即便抓取，也无法抓取到完整的内容，设置步骤如下：

登录到WordPress仪表盘>>设置（Setting）>>转到“读取（Reading）”>>将图中选项更改为摘要：

3.屏蔽抓取工具的IP地址

如果网站使用的是VPS或者服务器，可以通过防火墙来执行屏蔽，但是我相信很多人和我一样使用的是虚拟主机，能够获得的权限非常有限，这种情况下，可以通过网站根目录下的.htaccess文件来阻止要屏蔽的IP地址，代码如下：

Deny from 111.222.333.444.

如果要屏蔽多个IP，在同一行中输入多个IP，使用空格分隔即可。

4.保护网站的图片（禁用盗链并添加水印）

当盗用者在自己的网站上显示你的网站的图片，但却从你的服务器上加载图像，就会产生热链，可以通过在.htaccess文件中添加如下代码来设置允许使用你的网站上的图片的网站：

/* Prevent image hotlinking in WordPress */ RewriteCond %{HTTP_REFERER} !^$ RewriteCond %{HTTP_REFERER} !^http(s)?://(www\.)?yourwebsite.com [NC] RewriteCond %{HTTP_REFERER} !^http(s)?://(www\.)?google.com [NC] RewriteCond %{HTTP_REFERER} !^http(s)?://(www\.)?facebook.com [NC] RewriteCond %{HTTP_REFERER} !^http(s)?://(www\.)?twitter.com [NC] RewriteCond %{HTTP_REFERER} !^http(s)?://(www\.)?other-websites-go-here.com [NC] RewriteRule \.(jpg|jpeg|png|gif)$ - [F]

我们还可以利用插件给网站上的图片添加水印，例如“Image Watermark”，这是一款免费的插件，可以自动给上传的图片添加水印，也可以批量为网站上的现有图片添加水印。

5.增加内链

增加内链倒不是为了防止被抓取，而是能够在网站内容被抓取的情况下，您反而可以从中获利，被抓取的内容中的内部链接都有可能成为有价值的反向链接。