網站經常會被各種爬蟲光顧，有的是搜索引擎爬蟲，有的不是，通常情況下這些爬蟲都有UserAgent，而我們知道UserAgent是可以偽裝的，UserAgent的本質是Http請求頭中的一個選項設置，通過編程的方式可以給請求設置任意的UserAgent。 

所以通過UserAgent判斷請求的發(fā)起者是否是搜索引擎爬蟲（蜘蛛）的方式是不靠譜的，更靠譜的方法是通過請求者的ip對應的host主機名是否是搜索引擎自己家的host的方式來判斷。

要獲得ip的host，在windows下可以通過nslookup命令，在linux下可以通過host命令來獲得，例如：

這里我在windows下執(zhí)行了nslookup ip 的命令，從上圖可以看到這個ip的主機名是crawl-66-249-64-119.googlebot.com。 這說明這個ip是一個google爬蟲，google爬蟲的域名都是 xxx.googlebot.com.

我們也可以通過python程序的方式來獲得ip的host信息，代碼如下：

import socketdef getHost(ip):    try:        result=socket.gethostbyaddr(ip)        if result: return result[0], None    except socket.herror,e:        return None, e.message

上述代碼使用了socket模塊的gethostbyaddr的方法獲得ip地址的主機名。

常用蜘蛛的域名都和搜索引擎官網的域名相關，例如：

• 百度的蜘蛛通常是baidu.com或者baidu.jp的子域名
• google爬蟲通常是googlebot.com的子域名
• 微軟bing搜索引擎爬蟲是search.msn.com的子域名
• 搜狗蜘蛛是crawl.sogou.com的子域名

基于以上原理，我寫了一個工具頁面提供判斷ip是否是真實搜索引擎的工具頁面，該頁面上提供了網頁判斷的工具和常見的google和bing的搜索引擎爬蟲的ip地址。

頁面地址：http://outofmemory.cn/tools/is-search-engine-spider-ip/ 

本文提供的代碼是python代碼，通過c#代碼也是可以實現(xiàn)的，原理是一樣的。

附帶常見搜索引擎蜘蛛的IP段：