您可以在网站的 robots.txt 文件中添加以下内容，来阻止 Sogou 蜘蛛抓取您的网站： User-agent: Sogou Disallow: / 这会告诉 Sogou 蜘蛛不要访问您的整个网站。如果您只想阻止蜘蛛访问特定页面或目录，可以将 Disallow: / 替换为您想要屏蔽的 URL。例如： User-agent: Sogou Disallow: /admin/ Disallow: /private/page.html 请注意，这只是提示蜘蛛不要访问您的网站，而不是完全保证它们不会访问。某些蜘蛛可能会忽略 robots.txt 文件或对其进行解释有所不同。此外，此方法也无法阻止其他搜索引擎的蜘蛛。
在Apache、IIS6、IIS7独立IP主机上屏蔽拦截蜘蛛抓取的方法如下： 1. Apache服务器：在httpd.conf文件中添加以下代码： ``` SetEnvIfNoCase User-Agent "^Mozilla/5.0\s\(compatible;\sGooglebot/2.1" bad_bot SetEnvIfNoCase User-Agent "^Mediapartners
抓取策略：那些网页是我们需要去下载的，那些是无需下载的，那些网页是我们优先下载的，定义清楚之后，能节省很多无谓的爬取。更新策略：监控列表页来发现新的页面；定期check 页面是否过期等等。抽取策略：我们应该如何的从网页中抽取我们想要的内容，不仅仅包含最终的目标内容，还有下一步要抓取的url.抓取频率：我们需要合理的去下载一个网站，却又不失效率。让我对“如何和爬虫对话 ”这个课题有了一些思考，下面归
内容优良而独特的页面，如果您的页面内容和互联网上已存在的其他页面有高度的相似性，可能不会被 sogou spider 收录。链接层次较浅的页面，过深的链接层次，尤其是动态网页的链接，会被丢弃而不收录。如果是动态网页，请控制一下参数的数量和URL的长度。搜狗更偏好收录静态网页。重定向次数越多的页面，越有可能被 sogou spider 丢弃。
sogou spider对于同一个IP地址的服务器主机，只建立一个连接，抓取间隔速度控制在几秒一次。一个网页被收录后，最快也要几天以后才会去更新。如果sogou spider持续不断地抓取您的网站，请注意您的网站上的网页是否每次访问都产生新的链接。
