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

北大开源分词工具pkuseg

pkuseg简介 pkuseg是由北京大学语言计算与机器学习研究组研制推出的一套全新的中文分词工具包。pkus
1 min read

使用Python进行中文繁简转换

中文繁体、简体的差异,在NPL中类似英文中的大小写,但又比大小写更为复杂,比如同样为繁体字,大陆、香港和台湾又
1 min read

Python因子分解库:fastFM

FastFM简介 FastFM的主要特点是将是将因子分解封装成scikit-learn API接口,核心代码使
2 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