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
webflier
V2EX  ›  站长

如何有效的对付流氓爬虫?

  •  
  •   webflier · 2014-06-09 10:17:43 +08:00 · 5678 次点击
    这是一个创建于 3805 天前的主题,其中的信息可能已经有所发展或是发生改变。
    近一段时间时不时有流氓爬虫,垃圾评论机器人到我的网站,导致资源占用率极高。
    有没有什么方案可以自动屏蔽这些东西?
    我原来是是发现一个,屏蔽一个。这实在太麻烦了,我现在直接block了2家廉价主机商的所有ip,中国一个省的ip,一个东欧国家的ip。
    16 条回复    2014-06-10 07:28:06 +08:00
    lyragosa
        1
    lyragosa  
       2014-06-09 10:45:06 +08:00   ❤️ 1
    那些好的爬虫还会在agent声明自己的spider或者bot,屏蔽掉就是

    有些无良爬虫直接写Mozlia/5.0 更无良的直接伪造一个标准的用户访问的agnet,根本没得破。
    sanddudu
        2
    sanddudu  
       2014-06-09 11:47:15 +08:00   ❤️ 1
    遇到 UA 伪造的话你可以通过分析 log 来找,一般他们的访问操作不会像正常的用户
    iannil
        3
    iannil  
       2014-06-09 12:14:38 +08:00   ❤️ 1
    自己写个程序分析流量,凡是流量异常的ip一律封掉24小时。
    codingpp
        4
    codingpp  
       2014-06-09 12:19:36 +08:00
    我就是流氓爬虫,你破不了我的
    webflier
        5
    webflier  
    OP
       2014-06-09 15:11:38 +08:00
    又block了一家主机商,整个世界清静了。。。
    目前block了online.net,datashack/WSI,hetzner
    imn1
        6
    imn1  
       2014-06-09 15:34:16 +08:00
    能封掉的爬虫都不算流氓
    dong3580
        7
    dong3580  
       2014-06-09 16:03:02 +08:00 via Android
    直接伪造成浏览器,各种该有的都有,你要怎么屏蔽?
    mywaiting
        8
    mywaiting  
       2014-06-09 17:11:06 +08:00 via iPhone   ❤️ 1
    计算访问频率,输出个reCAPTCHA验证码吧
    humiaozuzu
        9
    humiaozuzu  
       2014-06-09 17:16:40 +08:00
    @webflier 主机商ip段如何获得的呢?
    xiaocsl
        10
    xiaocsl  
       2014-06-09 17:26:01 +08:00   ❤️ 1
    0.0 前段时间爬慧慧,表明是机器人.但自动的会限制访问频率.直接换成adsl,自动断线重连换IP.这也没法破哈..
    greatghoul
        11
    greatghoul  
       2014-06-09 17:28:29 +08:00   ❤️ 1
    tumutanzi
        12
    tumutanzi  
       2014-06-09 20:10:44 +08:00   ❤️ 2
    我用的是incapsula服务,CDN,然后就没有垃圾评论了。他们有专门应付垃圾爬虫的设置。
    Lelouchcr
        13
    Lelouchcr  
       2014-06-09 21:09:36 +08:00
    限制频率,多个ua,n个匿名代理,你破不了的~
    webflier
        14
    webflier  
    OP
       2014-06-09 21:43:10 +08:00
    webflier
        15
    webflier  
    OP
       2014-06-09 21:47:15 +08:00
    @tumutanzi 我有用cloudflare,效果不明显
    hanchengluo
        16
    hanchengluo  
       2014-06-10 07:28:06 +08:00
    洗洗再采集
    http://www.smartweb.cn
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3056 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 21ms · UTC 10:51 · PVG 18:51 · LAX 02:51 · JFK 05:51
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.