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: 164|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 2023-1-4 12:24 | 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
% ?" R* o9 v) u, n! A2 Z
/ E' B4 ]. u9 Q) A9 S+ w* E防止网站被爬虫抓取的方法有哪些
* A* D) G/ p" [) I* r' O
/ B+ Q- F9 t; Y8 e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?+ Y, i( r* G% `

+ F+ ]' C$ g1 P; }, \8 J) ?一、分辨爬虫的善恶
: I' y1 N- P* f; t& u- r1 d( U) @. w" P4 F  q
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。- N( O8 p" z! x& H# N: [/ V
& s, T) d: k' E0 z
二、如何防止网站被爬虫?
0 `# Z2 G$ v, n7 G( V* h( M0 k3 m' G3 u) _3 |
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。# s6 P( q# V0 M" W  p, ~

" s; O/ n0 B- z( d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。- ]* R9 Y. I% g8 M
) l. k' X; Y0 H/ @$ F; g! |4 |# p
针对恶意爬虫,我们可以采取以下措施来识别和阻断它。
: h" s+ v: p. @9 K- Q
# v4 e' z" e' o! @. u9 T1.限制User-Agent字段
1 n. q/ O' }5 V( h0 I7 L( @3 @$ m9 Q5 k5 T. q
User-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。6 D5 S8 {/ k+ U" l( l
4 `& Z) g# I/ u1 [# q/ B, m, G$ p
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。
' B8 @. p% i& y( c. w  n: h: @) w) ^- R, e2 K: l2 a. I' q6 k
2.限制IP/ W. X4 k1 N' ]1 g0 {# p; U) @2 W: f
- x) x! P2 x6 a: k8 @: g
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。; E5 `% g9 x8 ~
7 v" f! j, v& X0 G/ X, D% {' F
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。
1 {* G' a( h: `7 g/ ^
, v- Z! ~( w$ f1 }) a3. 添加验证码
* e; }- z2 d7 T. ^8 v, z: F9 r
5 ~, v- W& o) P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。
2 b) _- X5 ?. z- c% C% K6 Y' |
" p6 `4 F. ?+ v% d' q0 a- l, O5 o2 s. A7 X/ s# y* f
& s; G2 ~( S& h6 W6 L4 ]8 Q
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, 2024-12-25 01:50

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表