网站优化之防止网站被采集

采集就是使用程序通过自动化操作复制数据。
首先说明，只要是能让浏览器访问的，就没有不能采集的。
但是可以通过一定的手段让采集变得非常麻烦，进而在大量数据的情况下延迟采集完成时间，加大采集难度。
一般的情况略过不说，几种情况比较特别的：
1、验证来路，cookie，session这些，比如PHP可以用fsockopen自定义HTTPHeader，基本上这些方法没什么效果。
2、限速，限制某段时间内打开页面数量。这个只是推迟了下，大部分时间效果一般。比如某站限制一分钟之内只能打开30个网页，页面大小平均30K，则用迅雷批量下载就OK了，设置限速为2K，一觉醒来什么都好了。这个方法效果也基本没有。
3、比较特别的方法，设置一个数量级的阀值，达到这样数量后，必须验证方能继续，比如打开10个页面需要输入验证码，这个时候只需要保证验证码不可识别，分配一个session，以后的浏览过程中用session保证用户合法性，这样不影响后续访问，同时可以有效防止采集。
4、第三条对蜘蛛是致命的，此时可通过手机蜘蛛IP段，放行，其它的按照严格规则来。
5、3+4真是无敌的吗?远非可以高枕无忧，比如此站有10万个页面，则设置100个代理，在阀值前循环使用代理，这样实际上绕过了3的限制。
6、还有别的办法吗?不能，因为你的网站能用浏览器打开。

网页标题：网站优化之防止网站被采集
转载源于：/news/41719.html

成都网站建设公司_创新互联，为您提供搜索引擎优化、App设计、面包屑导航、企业建站、星空体育app最新版本(2024已更新)、云服务器

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联