您的位置:首页 > 新闻资讯 >文章内容
网站常用四种反爬虫,爬虫们如何应对?
来源:互联网 作者:admin 时间:2019-02-18 16:23:34

    搭建网站,需要考虑反爬虫,否则容易被大量的爬虫影响。网站的反爬虫基本上都是必须要设置的,那么设置哪些反爬虫好呢?哪种反爬虫拦截效果好?今天跟小编去了解下网站常用四种反爬虫:


    1.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。


    2.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。


    3.使用nginx的自带功能


    通过对httpuseragent阻塞来实现,包括GET/POST方式的请求,以nginx为例,具体步骤如下:


网站常用四种反爬虫,爬虫们如何应对?


    4.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(例如网易、有道),以下是我的定位方式,不过发现由于ip库不准确造成错误的屏蔽。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。


网站常用四种反爬虫,爬虫们如何应对?


    以上介绍的就是网站常用四种反爬虫,对于这些反爬虫,大家又是怎么应对的呢?是使用代理IP,还是伪装请求头,设置cookie...


    想要了解更多的突破反爬虫方法,可以关注代理精灵,突破反爬虫有妙招。


相关文章内容简介
推荐阅读
  • 05 2019-12
    用CURL命令测试代理IP

    我们在代理IP网站购买的相应的IP服务之后,这些代理IP是需要经过授权然后才可以使用的,这是处于对每一个用户的IP使用质量的保障,不同代理IP网站有对应的授权方式,比如绑定终端或者是

  • 13 2019-06
    独享代理IP池有什么优势?

    独享代理IP池有什么优势?一样东西,如果是共享的,怎么也会影响到使用,没有那么方便,估计也可能会影响到效果的。那么如果独享呢?我们以代理IP池为例,看看独享代理IP池有什么优势?

  • 22 2019-05
    最新的免费ip代理如何获取

    最新的免费ip代理如何获取?越早出现的IP,被使用的几率越大,因此这IP地址的质量是难以保证的,那么怎么找到最新的IP代理呢?

  • 27 2019-11
    看看独享IP与共享IP要怎么选择

    虽然知道独享IP跟共享IP的主要区别,但是落实到选择使用方面,很多用户都表示实在不太清楚要怎么选择才是最合适的。下面我们来看看不同的使用场景要选择什么样的代理IP才好?

  • 31 2020-12
    自媒体行业是否需要代理ip

    现在越来越多的人开始使用微博,今天的头条媒体平台,所以很多人看到了这个机会,借助媒体平台发展自己的业务。但是,因为媒体的蓬勃发展,它也是一个新的行业,是一种新的媒体运营。

  • 26 2019-04
    Win系统设置全局代理IP上网

    像QQ或者微信这些软件是支持设置代理IP上网的,但也有些软件不支持设置代理,这该怎么办呢?是否能设置全局代理IP上网?这样就不用单独来设置了,有没有Win系统设置全局代理IP上网这样的

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部