起因

9月初的时候，在Google Search Console里发现了一个外链，域名是**.top。

随手点过去看了下，发现居然跟我的博客内容一模一样，就是内容变成了繁体。

知道这肯定是被拿来镜像了，不过当时也没在意，就没管。

后来在v2ex上也发现类似的问题，还有其他博主也反馈有被镜像，感觉像是个黑产批量的操作。

这周Google Search Console反馈我的站点有个新问题，点进去一看，嚯。

在谷歌里搜了一下，发现已经有很多这个站点的收录了。

开始影响到我的博客收录了，这怎么能忍呢，必须处理掉它。

分析

测试了一下这个站点，不得不说，这个人是相当的聪明。

使用了Cloudflare服务，隐藏了真实的服务ip。

同时判断了访问ip，如果是国内用户直接返回了404，海外才会正常返回，这样一般国内用户就发现不了。

还重写了robots.txt，只让谷歌收录。

查了一下域名Whois信息，注册在阿里云。

页面上挂的备案号都是我的，搞事情的话后面再扯上我，这就麻烦了。

这就像块牛皮癣，越想越恶心。

我的博客搞了两套部署，一套部署在Cloudflare Pages，一套部署在IPFS。

接下来就是搞清楚，他是镜像的哪个站点：

1. IPFS站点

看他的robots.txt内容，我一开始怀疑是镜像的IPFS站点liudon.xyz，感觉像是在我的robots.txt前面加了一段内容。

curl 'https://liudon.xyz/robots.txt'
User-agent: *
Disallow: /

幸好还有一个Robots meta 标记，于是把IPFS部署的站点加上了这个属性。

部署后发现这个镜像站并没有更新，排除了这个可能。

2. Github 静态仓库

我在Github上单独搞了个分支存放生成的静态文件，Cloudflare Pages直接读取这个分支进行部署。

怀疑他是不是监控了这个仓库的提交记录，直接拿这个来部署的镜像站。

我把Cloudflare Pages的自动部署关掉，然后直接修改静态文件。

更新后发现，这个静态站并没有预期的更新。

3. Cloudflare Worker

在分析过程中，发现我的博客更新后，他的站点也会很快就更新。

因为他的网站部署在Cloudflare上，考虑是走的Cloudflare Worker反代，直接请求目标站点，然后进行繁体翻译返回。

这样就完全不需要关心更新的问题，完全自动化处理，太完美了。

反制

其实这里并没有太好的办法反制，robots文件被他重写了，无法控制，使用Robots meta 标记的话会影响到我们自己的收录。

只能是通过加一段JS代码，参考自竹林里有冰，判断访问的域名非法的话，直接跳转到正确地址。

const host = window.location.host
if (host !== 'liudon.com' && ! host.startsWith('localhost') && ! host.startsWith('127.0.0.1')) {
    document.body.innerHTML = [
        '<div style="margin: auto;">',
        '<h1>当前页面并非本文作者的主页，将在五秒后跳转。</h1>',
        '</div>',
    ].join('')
    document.body.style = [
        'background-color: white;',
        'color: black;',
        'text-align: center;',
        'font-size: 50px;',
        'width: 100vw;',
        'height: 100vh;',
        'display: flex;',
    ].join('')
    setTimeout(() => {
        window.location.href = 'https://liudon.com'
    }, 5000)
}

查了一下，搜索Bot爬取的时候会执行js，希望能更新掉已收录的网页信息。