wordpress - 如何防止抓取我博客的更新？

Question

我有一个自托管的 wordpress 博客，正如几乎预料的那样，我发现有另一个博客正在抓取我的内容，发布我自己的帖子的完美副本(文本、图像没有被热链接但被获取并重新上传到克隆的服务器，html帖子中的布局)延迟了几个小时。

但是我必须承认，当我在 Google 上搜索与我的帖子相关的关键字时，我很生气地看到，抓取的克隆总是排在第一位。

所以，我在这里，欢迎您提出建议，您知道如何防止我的网站被成功抓取吗？

技术精度:

• 克隆博客似乎是自托管的，我也是，我在 debian+webmin+virtualmin dedi 上
• 我的 RSS 提要已经被中途“阅读更多内容”截断了。嘿，我只是想我应该发布一个帖子，同时给它分配一个日期，比如 2001-01-01，看看它是否出现在克隆博客上，这样就可以知道我的 RSS 是否仍然被用作“嘿，抓紧时间!”
• 我的日志在合法流量中找不到抓取工具，要么无法识别，要么在合法流量的洪流中丢失
• 我已经 htaccess-banned 和 iptables-banned 克隆的 .com 域，尽管如此我的内容仍然被克隆
• 克隆网站使用反向代理，所以我无法追踪它的托管位置以及应该阻止哪些实际 IP(好吧，除非我 iptables-ignore-ban 半个欧洲来禁止其整个 IP 范围数据存储设施，但我有点不情愿!)
• 我相信这不是手工制作的，克隆已经运行了两年，每天都没有失败
• 只有我的新帖子被克隆，而不是我网站的其余部分(不是边栏，不是与 wordpress 帖子相对的 wordpress 页面，不是单个页面)，所以设置一个 jail.html 来记录谁打开它页面行不通，没有蜜 jar
• 当我的帖子包含指向我网站另一页面的内部链接时，克隆上的帖子不会被重写，仍会指向我自己的网站

我很乐意就此问题提供帮助和建议。不是被克隆，而是在我是原始发布者时失去了该机器人的流量。

Answer 1

你最终无法真正阻止他们，但你也许能够找到他们并惹恼他们。尝试将请求 IP 隐藏在 HTML 注释或白底文本中，或隐藏在不碍事的地方，然后查看副本上显示的 IP。如果需要，您还可以尝试混淆该文本，方法是将它变成十六进制字符串或其他东西，这样对于不知道的人来说就不那么明显了，或者让它看起来像错误代码，这样他们就不会明白什么你在做什么。

不过，最后我不确定它能给你买多少钱。如果他们真的不专心，而不是关闭他们并提醒他们注意您正在关注他们这一事实，您可以在他们的一个 IP 突然出现时向他们提供胡言乱语或其他任何内容。这可能很有趣，并且通过将示例文本放入马尔可夫链来制作乱码生成器并不难。

编辑:哦，如果页面没有被重写太多，您可以添加一些内联 JS 来使它们链接到您，如果它们不删除它的话。比如，只有当他们不在您的站点时才会显示的横幅，提供您文章的原始链接并建议人们阅读。