如何反制内容采集器？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 3464 天前的主题，其中的信息可能已经有所发展或是发生改变。

老被人爬，火大啊

采集

内容

器

17 条回复 • 2015-06-30 19:54:29 +08:00

em70

2015-06-30 12:04:35 +08:00

监控日志,单位时间内超过一定量自动封IP 24小时

lk09364

2015-06-30 12:05:27 +08:00

Septembers

2015-06-30 12:23:00 +08:00 via Android

如果不是面向大众的话
可以专有化（专有客户端专有设备专有网络等等）
（可控因素越多就越能达到你的目的

dong3580

2015-06-30 12:31:10 +08:00

@em70
你封了一堆长宽用户可以不用上来了，

cst4you

2015-06-30 12:38:02 +08:00

关站

neo2015

2015-06-30 12:44:34 +08:00

我有一招，迄今为止还没有人能采集到我的内容。哪怕是他去手动复制都不可以。。。

此招就是：不建网站

dangge

2015-06-30 12:46:09 +08:00

DZ有个插件，在正文后面随机加随机字符，白色的，正常浏览看不到。

sobigfish

2015-06-30 12:51:54 +08:00

这样对搜索的bot也不友好了吧

em70

2015-06-30 12:58:34 +08:00 via Android

你分析日志嘛，爬虫只抓页面，不抓CSS,JS吧，把这种IP可以分析出来封掉

2015-06-30 13:46:14 +08:00 via Android

@em70 棒

gamexg

2015-06-30 13:48:59 +08:00

发现后爬虫后别直接暴力封锁，而是对爬虫随机的提供错误的内容。

qiuai

2015-06-30 13:50:32 +08:00

你可以解析一下规则,然后去搜一点H小说返回给采集器..
反正采集的人基本上只看标题和前面一段,后面的东西都不看...你就给他塞一些H小说进去...
你要是再狠就给他插上几张H图...

lshero

2015-06-30 14:03:13 +08:00

@qiuai 然后恰好遇到了警察蜀黍的爬虫自动截图并保存时间戳

liujiantao

2015-06-30 14:55:49 +08:00

百度知道防采集就是给短时间较大访问进行分析给出错误结果了，不过公用一个IP的用户（我不是黑长宽）有一个作死就23333了

sumhat

2015-06-30 15:01:27 +08:00

制作过一个 WordPress 插件，本意是用于防止敏感词被墙的，也可用于反采集。当然对搜索引擎有一定的限制作用。

介绍： https://leonax.net/p/1969/wp-plugin-enigma/

guesskiss

2015-06-30 15:53:32 +08:00 via Android

css和js用php输出，凡是这个php没获得客户端ip的全部ban掉，前提是伪静态要做好要不别人一眼就分析出原因了

qiuai

2015-06-30 19:54:29 +08:00

@lshero =.=都分析出来了,干嘛还在自己的网站显示...