雨哲防采集策略之列表篇

2024-05-04 11:00:47

字體：大中小

來源：轉載

供稿：網友

在一般的鏈接地址形式如：
復制代碼代碼如下:
1、<a class="鏈接樣式" href="鏈接地址" title="鏈接說明" target="_blank">文章標題</a>
2、<a class='鏈接樣式' href='鏈接地址' title='鏈接說明' target='_blank'>文章標題</a>

       大家注意看上面兩行代碼，有一個區別就是第一個中間使用的是雙引號，第二個使用的是單引號。一般來說，如果在文章列表頁面都使用雙引號或者使用單引號，很容易讓采集者找到文章路徑（開始代碼：href=' ，結束代碼：' ）。

      那如果我們混合著用，也就是有的使用單引號，有的使用雙引號，那么就會給采集者帶來一定的麻煩。至少他不能采集到所有文章（如果采集程序差一點的話可能一篇也采集不到）。

在上面的基礎上，更深入一步將A中間的參數進行隨機排列：
復制代碼代碼如下:
<a href="鏈接地址" title="鏈接說明" target="_blank" class="鏈接樣式">
<a href="鏈接地址" class="鏈接樣式" title="鏈接說明" target="_blank">
<a title="鏈接說明" href="鏈接地址" class="鏈接樣式" target="_blank">
       然后再在其中混用單雙引號，在href=后面還可以不使用引號。那么采集者將不能正確獲取列表頁面中文章地址。

       再深入一步，可以在列表中加入干擾碼，如把鏈接部分重復加一次空白鏈接，（<a href="鏈接地址" title="鏈接說明" target="_blank" class="鏈接樣式"></a>），那么如果對方能夠獲取一部分文章地址，或者能夠采集一部分文章，那么這部分文章也肯定是重復的。

在進行以上修改后，我想大部分采集者都會知難退的哈。缺點就是代碼不太標準。以上僅雨哲個人觀點。

上一篇：ASP計算str2在str1中出現的次數

下一篇：用cookies實現閃電登錄論壇方法