防止下载链接被爬虫抓取，有没有最好的方法？

[Reign]

目前服务器上几百个 G 的文件全都是静态文件下载地址，只要是幼儿园大班毕业的人都可以不费吹灰之力写个爬虫爬下来，如果想要彻底屏蔽爬虫，包括 Googlebot、bingbot 之类的全都屏蔽了，只允许普通用户用浏览器正常点击后下载，有哪些办法，我目前想了一些办法都不成熟：

1. 用户注册登录后才能下载，注册页面加上 recaptcha，弊端就是一个“注册登录”会烦掉很多用户，况且 recaptcha 在大陆没法使用
2. 输入验证码后下载，感觉繁琐而麻烦
3. 客户端 js 生成一个 token 和服务器端 php 进行校对，这个能屏蔽很多 file_get_contents，但是对于 phantomjs 等无头浏览器无能为力
4. Google 了一下有很多检验客户端是否为 headless 浏览器的方法，但感觉这些方法随着 phantomjs 不断升级都会不断失效，于是我在想对一个下载按钮比如：“点此下载文件”，每次点击记录鼠标的坐标，如果每次鼠标的坐标像素值（ e.pageX 和 e.pageY ）都一模一样，就判断为爬虫然后返回脏数据，就是不知道这种原理该怎样实现？用 cookie 来记录？
5. 蜜罐法，这个貌似很不靠谱，因为我写爬虫第一时间都是去看它的 robots 有没有蜜罐

上面就当抛砖引玉吧，不知道各位 V 友有没有好点的办法？不胜感激

[chinvo]

Invisible ReCaptcha + user-agent, refer, ip (asn) 过滤 + 一次性 token + js 动态输出地址

你还可以丧心病狂地把 ReCaptcha 换成门罗币挖矿“验证码”

至于 phantomjs，说实话一切技术手段只能增加获取难度而不能完全杜绝。

[chinvo]

至于你说的点击坐标问题，那就是 Invisible ReCaptcha 做的工作。

而且你自己实现简单的判断，爬虫里面加个 random 函数就废了。

所以还是信任 ReCaptcha 吧。

另外 ReCaptcha 的 api，把 google.com 替换成 recaptcha.net 可在国内正常工作。

[picone]

除了楼上的，还可以
频率限制，正常用户不会下载那么多资源
又或者下载要付出代价，比如积分

[stanjia]

关闭网站...

[hkbtele]

点击输入邮箱，生成一个动态下载链接发给邮箱，感觉好烦人……

[janxin]

如果是通用爬虫加上一次性 token 就够了，如果是防止用户下载，可以换其他方式，没必要对着爬虫来

[winglight2016]

要求打开网页才能下载这个不就是想多点广告费吗？告诉你一个好办法：把下载链接隐藏在 N 个第三方网站之后，比如：我常用的一个下载电子书的网站是这样做的，先点击进入一个网盘网站（限 ip 和间隔时间加验证码），通过后进入一个短链网站（ google captcha+限时），基本上这么折腾会过滤掉大部分爬虫和小部分用户。

所以，楼主到底是什么资料？有没有这么宝贵，可以让人不计麻烦的下载，或者反过来想，真这么宝贝，外包出去手动下载也不是不行啊

[laqow]

没有公开的链接怎么批量爬？感觉楼主把文件名改成没规律的字符，前面加个随机的文件夹名，下载页加点认证校验方式，大文件附网盘链接。或者把文件下载丢到不记流量但带宽很小的服务器上去就可以了吧？

[clino]

要不你弄一个只有鼠标移过去才能正常下载的，这样是不是能防一点无头爬的方式？

[yuanfnadi]

门罗币 hash 验证码

优点 完全不怕爬虫 因为每次下载都需要点击然后计算 hash 就算是无头浏览器也要消耗大量资源来计算。对于普通用户操作简单，只需要点按就可以。

缺点 手机计算很慢 不过手机本身就很少下载东西。

[anmaz]

文件放第三方云存储产品，只给连接地址和密码，省钱

[as9t]

滑动图片验证

[sunwei0325]

本是同根生相煎何太急

[kmahyyg]

推荐 geetest

[flynaj]

限时链接，屏蔽一部分，要彻底不可能

[maskerTUI]

微信扫码登陆下载

[firefox12]

简单的 反爬虫，中文显示 三加多少等于 201 ？结合加减乘除四种算法，可以解决很多爬虫。

[SlipStupig]

@wk110 你这个是胡扯，robots 协议是“君子协议”,不遵守也有点事没有

@Kilerd 当然有一些办法啊，比如：检测 UA 头，如果是 phantomjs 就假数据，你肯定会说我可以换 UA 头啊，这个可以针对一些浏览器内核进行针对性检测，比如：chrome，可以用 websocket 等比较新的浏览器特性请求一下，如果是 firefox，可以使用尝试违法 CSP，firefox 是 CSP 是默认开启的，每种浏览器都有自己的特性可以利用，还有各种小 trick，比如：refer 检测，ip 请求阈值，用 canvas 收集客户端指纹（避免切换代理）、stroge+cookie 加密埋点对客户端访问历史进行 traceback 等等吧，我想说的是 phantomjs 并非无解

[ranleng]

用 ppoi 那种验证码. 需要计算一定的 hashes 才能继续.
一般爬虫不会耗那么多资源去计算 hashes

[kohos]

下载链接弄临时的，一段时间后失效那种，然后限 IP 一段时间内的下载次数