按照有效程度为序，列举屏蔽爬虫对链接抓取的3种方法

2023-05-05 分类：网站建设

关于屏蔽爬虫对链接抓取的问题，有些网站通过爬虫去采集其它的网站页面信息作为己用，大量的爬取行为会对web服务器有比较性能有影响，主要的表现就是会变得很慢。网站SEO优化面试题看看你会怎么做？创新互联介绍学习按照有效程度为序，列举屏蔽爬虫对链接抓取的3种方法。

1、基于程序本身去防止爬取：作为爬虫程序，爬取行为是对页面的源文件爬取，如爬取静态页面的html代码，可以用jquery去模仿写html，这种方法伪装的页面就很难被爬取了，不过这种方法对程序员的要求很高。

2、基于iptables和shell脚本：可以对nginx的access.log进行策略定义，例如定义在1分钟内并发连接数超过30个ip为非法，如ip不在白名单内，则加入iptables策略封掉，当然这种的缺点是会有“误伤”，策略细粒度越小就会有更多的“误伤”，细粒度大就会使效果变差，另外还有类似的第三方工具fail2ban，利用做filter和actor对一些有危害的操作记录或是封ip。但是对于某个特定的爬虫地址（例如网易、有道）的爬取行为拒绝也很难准确做到，因为你无法准确知道这些特定的爬虫ip地址。注意：建议不要用封ip条目的方式,iptables列表长度是65535时就会封满，服务器也就会死机。

3.使用robots.txt文件：例如阻止所有的爬虫爬取，但是这种效果不是很明显。代码如下：

User-agent: *

Disallow: /

新闻标题：按照有效程度为序，列举屏蔽爬虫对链接抓取的3种方法
网页网址：https://www.cdcxhl.com/news38/258088.html

成都网站建设公司_创新互联，为您提供静态网站、网站维护、云服务器、微信小程序、网站制作、网站排名

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

猜你还喜欢下面的内容