|
從前面的我講的采集原理大家可以看出，絕大多數(shù)采集程序都是靠分析規(guī)則來進行采集的，如分析分頁文件名規(guī)則、分析頁面代碼規(guī)則。
一、分頁文件名規(guī)則防采集對策
大部分采集器都是靠分析分頁文件名規(guī)則，進行批量、多頁采集的。如果別人找不出你的分頁文件的文件名規(guī)則，那么別人就無法對你的網站進行批量多頁采集。
實現(xiàn)方法：
我認為用MD5加密分頁文件名是一個比較好的方法，說到這里，有人會說，你用MD5加密分頁文件名，別人根據(jù)此規(guī)則也可以模擬你的加密規(guī)則得到你的分頁文件名。
我要指出的是我們加密分頁文件名時，不要只加密文件名變化的部分
如果I代表分頁的頁碼，那么我們不要這樣加密：page_name=Md5(I,16)&".htm"
最好給要加密的頁碼上再跟進一個或多個字符，如：page_name=Md5(I&"任意一個或幾個字母",16)&".htm"
因為MD5是無法反解密的，別人看到的會頁字母是MD5加密后的結果，所以加人也無法知道你在 I 后面跟進的字母是什么，除非他用暴力****MD5，不過不太現(xiàn)實。
二、頁面代碼規(guī)則防采集對策
如果說我們的內容頁面無代碼規(guī)則，那么別人就無法從你的代碼中提取他們所需要的一條條內容。所以我們要的這一步做到防采集，就要使代碼無規(guī)則。
實現(xiàn)方法：
使對方需要提取的標記隨機化
1、定制多個網頁模板，每個網頁模板里的重要HTML標記不同，呈現(xiàn)頁面內容時，隨機選取網頁模板，有的頁面用CSS+DIV布局，有的頁面用table布局，此方法是麻煩了點，一個內容頁面，要多做幾個模板頁面，不過防采集本身就是一件很煩瑣的事情，多做一個模板，能起到防采集的作用，對很多人來說，都是值得的。
2、如果嫌上面的方法太麻煩，把網頁里的重要HTML標記隨機化，也可以。
做的網頁模板越多，html代碼越是隨機化，對方分析起內容代碼時，就越麻煩，對方針對你的網站專門寫采集策略時，難度就更大，在這個時候，絕大部分人，都會知難而退，因為這此人就是因為懶，才會采集別人網站數(shù)據(jù)嘛~~~再說一下，目前大部分人都是拿別人開發(fā)的采集程序去采集數(shù)據(jù)，自己開發(fā)采集程序去采集數(shù)據(jù)的人畢竟是少數(shù)。
還有些簡單的思路提供給大家：
1、把對數(shù)據(jù)采集者重要，而對搜索引擎不重要的內容用客戶端腳本顯示
2、把一頁數(shù)據(jù)，分為N個頁面顯示，也是加大采集難度的方法
3、用更深層的連接，因為目前大部分采集程序只能采集到網站內容的前3層，如果內容所在的連接層更深，也可以避免被采集。不過這樣可能會給客戶造成瀏覽上的不便。如：
大多網站都是 首頁----內容索引分頁----內容頁
如果改成：
首頁----內容索引分頁----內容頁入口----內容頁
注：內容頁入口最好能加上自動轉入內容頁的代碼
<meta http-equiv="refresh" content="6;url=內容頁(http://www.xiaoqi.net)">
其實，只要做好防采集的第一步(加密分頁文件名規(guī)則)，防采集的效果就已經不錯了，還是建議兩條反采集方法同時使用，給采集者增加采集難度，使得他們知難頁退。
出處：藍色理想
責任編輯：moby
上一頁 防采集策略 下一頁
◎進入論壇網絡編程版塊參加討論
|
第 1 頁 
第 4 頁 防采集而不防搜索引擎策略
