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: 195|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 18:14 | 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 \; Y) P! A% J- N( f) z( i0 v/ V  [! H; I
防止网站被爬虫抓取的方法有哪些
6 x0 K6 I7 Y$ i' q' J" v& x9 Q0 q0 ~; m/ h+ I0 m4 j5 m6 b) f
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?
) @7 a! ~5 r, z  g1 s% q5 T
6 H4 j8 W) l6 x3 }0 b8 i9 N一、分辨爬虫的善恶
0 Y# F0 c& h! }# h
, k/ O$ ?: y! z/ b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。
3 X3 ^/ S- j% P4 l% W
! n+ g. ~& ]8 j! _5 `% \$ y. S! Y  Q二、如何防止网站被爬虫?
4 G! Z- n: x% Q6 K, D% R8 \& A' U5 ~
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。; U/ K3 H" v, P& r

" e9 J6 c2 A& L- n1 B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。
/ J8 w. }/ i' f5 F" O5 P$ @2 Q$ f) e: u
针对恶意爬虫,我们可以采取以下措施来识别和阻断它。3 v8 t& |+ O# m

' h8 u8 o2 V3 y' l4 ^+ }1.限制User-Agent字段6 U* X2 Q* T+ i9 X8 k  F( ~0 T

7 q$ s4 z% {$ R/ x- \+ ]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。8 [+ B) p+ |* ]. h) i  @% W

2 d+ {1 t+ t! u, l0 gUser-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。
) L, w/ h. {( u5 F6 l3 f- k9 |" B# D& O; s/ x% p; C
2.限制IP5 I7 ]) X! e+ Z6 p6 M9 V

! _5 g3 r9 u+ d5 u! E+ `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。, c: a8 f3 N$ v0 _( a5 f/ X9 C
; [- A1 M0 c0 V9 E- {' w- 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。' c& v3 f) A; S4 m
. @+ K: c4 r& y" r. G
3. 添加验证码$ B, X$ q/ v$ j4 E# r6 n- q) A# g
- Z' W9 u9 ^( u. G  s& i. o" y: j7 q9 i
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。
! D- k3 m' R9 V2 J8 J6 x. z+ ~6 I: H* \5 a* \8 r  Z
. B" i& s8 X( ?' {, q

, E* n5 a# m6 R' t" e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 01:10

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表