怎么防止网站被采集

4 sec read

最近公司一些独有的数据被竞争对手采集了。想了想有没有可以防止被采集的方法。自己想了下发现这个问题很难解决,下面是我自己想到的。

  1. 通过cookies防采集(这个没有,采集都是先获取cookies再执行采集的)
  2. 屏蔽IP(这个首先要获取对方的IP,执行起来比较麻烦)
  3. 请求次数判断(一段时间内请求多少次,则将该IP加入黑名单禁止访问或需要验证码访问。这样做很容易把搜索引擎也挡在门外,可以将搜索引擎的user-agent和IP加入白名单。如:Google robots 的 UA及 IP http://www.iplists.com/google.txt
  4. 采集一般不下载JS文件,使用JS判断,或使用AJAX,这个也会把搜索引擎挡在门外。

不知道谁还有更好的可行方法分享下。当然我首先想到的是向搜索引擎举报。

打赏作者
微信支付标点符 wechat qrcode
支付宝标点符 alipay qrcode

使用Docker安装多用户版的JupyterHub

宿主服务器使用的是Ubuntu 18.04,需要注意的是Docker目前不支持Ubuntu 19.10。如要在
标点符
3 min read

使用tqdm显示Python代码执行进度

在使用Python执行一些比较耗时的操作时,为了方便观察进度,通常使用进度条的方式来可视化呈现。Python中
标点符
34 sec read

利用SWIG实现Python调用C/C++

SWIG简介 SWIG是Simplified Wrapper and Interface Generator的
标点符
1 min read

2 Replies to “怎么防止网站被采集”

    1. URL没有规则也是可以采集的,可以通过上层页面来获取下层页面的链接。这个只能防普通的程序采集。

发表评论

电子邮件地址不会被公开。 必填项已用*标注