美女裸体无遮挡免费视频 ,妺妺窝人体色WWW看美女,无码一二大地三区,人妻在线日韩免费视频

佛山整站優(yōu)化之如何才能防止爬蟲惡意采集網(wǎng)站內(nèi)容

對于SEO優(yōu)化來說zui討厭的就是抄襲行為，而爬蟲技術(shù)則是抄襲手段的升級版，通過一個規(guī)則去全網(wǎng)爬取內(nèi)容進(jìn)行發(fā)布。將抄襲實(shí)現(xiàn)了自動化，各個站點(diǎn)面對這種行為也是無可奈何。下面小編就來介紹一些防爬蟲的方法，希望對大家有所幫助。

1、基于程序本身去防止爬取

作為爬蟲程序，爬取行為是對頁面的源文件爬取，如爬取靜態(tài)頁面的html代碼，可以用jquery去模仿寫html，這種方法偽裝的頁面就很難被爬取了，不過這種方法對程序員的要求很高。

2、User-Agent屏蔽

User-Agent也就是http請求頭，當(dāng)客戶端訪問的時(shí)候，服務(wù)器就可以接收到訪問者的User-Agent。我們可以通過設(shè)置屏蔽常見的爬蟲的User-Agent名，比如python、robots等。

但是這種方法的弊端很明顯首先爬蟲的User-Agent可以說是各式各樣，只能發(fā)現(xiàn)了去屏蔽。并且如果是處于惡意爬取為目的的，基本上會把User-Agent偽裝成瀏覽器，很難去發(fā)現(xiàn)。

3、IP訪問頻次限制

通過檢測ip請求的頻次來限制訪問，當(dāng)爬蟲進(jìn)行爬取的時(shí)候會在短時(shí)間內(nèi)，在同一個IP下頻繁抓取不同的頁面。我們可以設(shè)置一個閾值，同一個IP在多少時(shí)間內(nèi)訪問超過多少個頁面就屏蔽當(dāng)前IP或者通過驗(yàn)證碼來驗(yàn)證是否是正常訪問。

這種方法的弊端就是，如果采用多個IP并且降低抓取的速度就可以繞過這個防御機(jī)制。

4、機(jī)智應(yīng)對爬蟲

想要高準(zhǔn)確度識別人和爬蟲就要首先找到兩者zui大的差異;一個明顯的差異就是人永遠(yuǎn)只會去訪問眼睛能夠看見的東西，而爬蟲只要去源碼里有的網(wǎng)址都會去訪問。

因此我們可以使用一個img標(biāo)簽實(shí)現(xiàn)精準(zhǔn)的爬蟲識別。我們可以使用一個1個像素點(diǎn)圖片，放在導(dǎo)航欄或者網(wǎng)站頁面，顏色就融于這個環(huán)境，并且放在角落邊;這樣人眼首先看不到這張圖片，其次非常的小根本不可能點(diǎn)擊到標(biāo)簽，不會觸發(fā)防御地址。

然而爬蟲則會去抓取頁面的所有鏈接，當(dāng)然我們不一定必須使用img標(biāo)簽，我們只要放下這種類似的陷阱，一但某個ip觸發(fā)這個防御地址，就直接秒封當(dāng)前ip。

5、特點(diǎn)注意事項(xiàng)

搜索引擎蜘蛛的放開，搜索引擎蜘蛛本質(zhì)上也是爬蟲，用上述的方法的時(shí)候都要謹(jǐn)慎的處理。需要做好搜索引擎蜘蛛的鑒別，千萬不要把搜索蜘蛛也屏蔽了。

我們可以通過設(shè)置白名單，將允許訪問的蜘蛛的ip端放入白名單不做屏蔽，千萬不要通過User-Agent中蜘蛛的UA名來識別，太容易偽造。不過這種方法的問題就是如果搜索引擎增加新的蜘蛛IP段的時(shí)候會誤傷。

因此對于，觸發(fā)機(jī)制的User-Agent是搜索引擎蜘蛛的時(shí)候，我們需要去執(zhí)行nslookup反查這個ip看它解析到哪里來鑒別是其真實(shí)性。

如果站點(diǎn)的規(guī)模很大，有一定知名度實(shí)力，對于造成了一個的損失。那么就直接保留日志證據(jù)，請對方吃牢飯。