育儿论坛

 找回密码
 注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 32|回复: 0

防止网站被爬虫抓取的方法有哪些

[复制链接]

24万

主题

24万

帖子

0

积分

新手上路

Rank: 1

积分
0
注册时间
2022-4-28
发表于 2023-1-1 20:13 | 显示全部楼层 |阅读模式
防止网站被爬虫抓取的方法有哪些% ~! Z2 c- @, H. J/ a
' l/ t0 S0 w. ]! Y$ \" U! d; p: ~
防止网站被爬虫抓取的方法有哪些9 ^/ v+ p* ]; M9 s* T0 }

( E3 x4 f4 d3 _. |) e( C对于网络爬虫,我们是既爱又恨。一方面爬虫可以带来客观的流量,另一方面又会占用服务器资源。因此在面对爬虫时,进行爬虫管理很有必要。那么我们该如何防止网站被爬虫呢?
- I9 c% H7 }* x8 t! t. N1 @; L: X7 b5 e  X( F6 q5 o) p) M
一、分辨爬虫的善恶) d  m8 [7 G( P' [' N8 Z1 r7 c
& R, ?; m9 e7 S$ f" _3 l9 z
网络爬虫分为两种,一种是善意爬虫,例如百度、Google等搜索引擎的爬虫,另一种是恶意爬虫,它可能会利用网站漏洞,非法窃取网站数据,或者爬取网站内容,占用服务器资源。恶意爬虫的行为是我们所深恶痛觉的,必须想尽办法予以过滤和阻断。网站或者某一些网页不想被诸如百度、Googl等善意爬虫爬取时,我们也希望能采取一些措施。
: T+ P3 J$ k* o% t6 Q# f' N6 _2 @8 ]
二、如何防止网站被爬虫?
2 k% [7 I* n/ |0 q# E+ ?
, Y- l5 v: Z: n针对善意爬虫,几乎所有的搜索引擎爬虫,都会遵守robots协议,只要我们在网站的根目录下存放一个ASCII编码的文本文件,告诉搜索引擎哪些页面不能爬取,搜索引擎的蜘蛛便会遵照协议,不爬取指定页面的内容。
9 D; x: W: w6 \- |5 b( @. J$ {: `
! w8 [  ^* r, \2 S9 b7 s7 o但是robots并不是一个规范,而是一种君子协议,它只对善意爬虫有效,并不能防止恶意爬虫。
: f. J: t4 C) T$ s+ C
( k6 l5 K* l. b, b; d针对恶意爬虫,我们可以采取以下措施来识别和阻断它。3 V( G  E! D! G, J3 {7 G0 n, q
5 ~6 D! `; }6 m
1.限制User-Agent字段
; v$ n) @& C  K  S% I( N& Y
+ e1 a3 d. \7 }5 p$ pUser-Agent字段能识别用户所使用的操作系统、版本、CPU、浏览器等信息,如果请求来自非浏览器,就能识别其为爬虫,阻止爬虫抓取网站信息。
2 {6 V! T& _! p! ^. x5 E* ^7 i& v6 J9 D" I; }
User-Agent字段虽然有效,但对于精心构造的爬虫来说,效果并不好。攻击者可以通过在恶意爬虫请求的User-Agent字段中带上baidu字符,伪装成百度爬虫绕过这一规则,无法被拦截。
) T% H+ E3 [$ Q6 J. d4 ~" w, z$ d% S. x( y
2.限制IP
% N  e% o3 P. ~
" V+ V! f  O5 T' L限制IP是最常见的手段之一,为了效率,恶意爬虫的请求频率往往比正常流量高,找出这些IP并限制其访问,可以有效降低恶意爬虫造成的危害。
+ f$ M7 @4 x7 I6 L$ u7 C
( X) X9 S0 J' o9 O7 w不过限制IP也有自己的缺点,容易误伤正常用户,攻击者可以通过搭建IP池的方法,来解决这个问题。
9 Y! c. a3 B! R; W9 P9 c6 u  b1 p
# I( d  n) h7 C1 M% X2 i- e' `3. 添加验证码
7 F; k. B  e9 A9 {5 T
0 l8 l7 L  ~# K$ N! ]. m在登录页等页面,添加验证码,以识别是正常流量还是恶意爬虫,也是一种基本的操作。不过如今爬虫技术,早已能解决验证码的问题,例如二值化、中值滤波去噪等等。
: [8 G8 B/ Y9 A" |8 w4 u; N  n4 G. \7 B) B5 S, Q

2 l2 x( B2 C! R/ s
) Z* p0 j' k2 {" W/ X2 n# l原文连接:http://www.szw86.com/thread-9831-1-1.html
您需要登录后才可以回帖 登录 | 注册

本版积分规则

联系我们|小黑屋|手机版|Archiver|育儿网

GMT-5, 2024-11-17 10:17

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表