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: 165|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3 s1 A0 ^# `2 q

1 `, Z4 d5 H! Z: l& ^防止网站被爬虫抓取的方法有哪些( W/ m/ B. F9 B+ B
9 _7 b$ {% u. [( q3 N7 B3 B
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?$ b' w! u0 \% T( r2 h
' ?; C) p9 C" }% _. {
一、分辨爬虫的善恶+ T4 X7 A6 l0 T4 H2 k3 q

$ A. N* ~! F) x" a1 C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。
: l; O+ _  X9 Q+ B
5 P3 Y7 T1 V2 v# [' m6 }二、如何防止网站被爬虫?1 f2 X+ M3 Q+ L; ]' I/ g( `

  ?2 R6 q% H9 }5 x& \# e( O* [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。
3 T2 p) p' q6 B) T5 j& M, S9 r* u! M0 e2 d  z( [
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。
. [" {5 u, a3 D
8 E3 Y3 C' j  z' {( _2 Z7 Z针对恶意爬虫,我们可以采取以下措施来识别和阻断它。! n2 m7 L3 N( s1 z+ k( e
7 h! i9 o  Q: B
1.限制User-Agent字段3 T9 t. c& {5 ~: d" j0 g
* L; _0 P1 p7 J
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。& C# s2 G9 J& @4 w- P! t
- K% `! T4 S0 w8 P. a$ Q( N
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。
) o6 T: l4 G: n1 H
' x% o% u- ?" J8 D3 S, x2.限制IP' T; c* E- S6 h# m8 S/ b

, O6 V0 I( N0 Z, j6 ?- C. ]& x- j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。
7 |& \0 R, c0 s' Z' f; O+ U
9 o0 K5 r6 [; ~) `* e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。
4 o, _) p( d+ R" n! {8 G  `
2 ^/ J7 K! |# p6 ~9 s/ c3. 添加验证码
' z5 ~; Z2 X+ a' e% s0 V
* r8 Q- i: o  D; o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 p  f3 |# g# _* C. r" b4 \

( B$ G3 o9 l: ?& o1 H, h" J6 N4 [* `1 Q
" L* r9 B& U  E2 m% V. 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 14:19

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表