首页   注册   登录
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  ›  程序员

写了个简单防采集,结果自己骗自己

  •  
  •   showecho · 63 天前 · 3371 次点击
    这是一个创建于 63 天前的主题,其中的信息可能已经有所发展或是发生改变。
    Protected function _initialize(){
    if($_COOKIE['ban']){
    $this->redirect('verify/code');
    }
    $cookie=set_cookie('index');// 函数创建 cookie
    if(!$cookie || $cookie>20){
    $url = "http://".$_SERVER['HTTP_HOST'].$_SERVER['PHP_SELF'];
    cookie('url',$url,120);
    cookie('ban',1,1800);
    }
    }
    我的本意是建立 cookie,如果 cookie 不存在,或者当前页面控制器命名的 cookie 两分钟超过 20 次访问就跳验证码,以为这样就可以防止简单的采集,但是我刚本地 wamp 用 file_get_contents(url),就可以无限制采集,真是太菜了,实在不好意思说出来。

    求一个简单的防采集代码,可以防住别人单 ip 连续采集,或者不同 ip 高频率采集,环境是 windows 2008,IIS 7.0,程序是 PHP。
    12 回复  |  直到 2019-02-18 09:31:46 +08:00
        1
    opengps   63 天前
    首先,采集没法完全防御
    cookie 是客户端的,必然行不通,得从服务端下手,控制单 ip 访问频率
    验证码虽然没办法完全防御,但是可以过滤大部分小白采集,要求输入验证码看完整内容等做法
        3
    tomczhen   63 天前   ♥ 1
    没看到是 IIS 7,不过应该用 https://www.iis.net/downloads/microsoft/dynamic-ip-restrictions 也可以。
        4
    d5   63 天前
    可以结合 IP 限制、headers 头校验、字体替换、人机验证大法,筛选掉一部分基础功不扎实的爬虫开发者。但是总归对搜索引擎不友好
        5
    wszgrcy   63 天前 via Android
    其实真要想抓,puppeteer 会抓的怀疑人生吧?(当然效率不能恭维)
        6
    mooncakejs   63 天前
    最简单的就算 ip 限流,大于阈值弹验证码。
        7
    coolcoffee   63 天前
    动态 ip 服务了解一下
        8
    cdwyd   63 天前 via Android
    假数据才是反爬利器,谁用谁知道。
        9
    mywaiting   63 天前   ♥ 1
    防采集这样的手段太 low b 而且没有效果

    真正的好的防采集,是设置阈值,然后区分搜索引擎的来源(这个很有技术含量)和其他爬虫来源

    再然后,搜索引擎就返回真实的数据,其他爬虫来源嘛,终极手段是随机返回脏数据,是的,我就是传说中的反爬贱货中的战斗机,随机返回看起来是真实数据的脏数据
        10
    smallgoogle   63 天前
    防采集真的没有什么好办法,都是依靠阈值和区分策略吧。。。毕竟数据都是用户肉眼可见的东西,就算你控制 IP 了,真的要爬你,动态 IP,代理 IP 都是起飞的。
        11
    tulongtou   63 天前 via iPhone
    拨号 vps 了解一下
        12
    iiusky   63 天前
    ...dz 防采集插件可以参考一下
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   3668 人在线   最高记录 4385   ·  
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 22ms · UTC 03:59 · PVG 11:59 · LAX 20:59 · JFK 23:59
    ♥ Do have faith in what you're doing.
    沪ICP备16043287号-1