欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

雨哲防采集策略之列表篇

程序员文章站 2022-10-27 19:03:02
在一般的链接地址形式如:  复制代码 代码如下:1、
在一般的链接地址形式如:  
复制代码 代码如下:

1、<a class="链接样式" href="链接地址" title="链接说明" target="_blank">文章标题</a>  
2、<a class='链接样式' href='链接地址' title='链接说明' target='_blank'>文章标题</a>  

       大家注意看上面两行代码,有一个区别就是第一个中间使用的是双引号,第二个使用的是单引号。一般来说,如果在文章列表页面都使用双引号或者使用单引号,很容易让采集者找到文章路径(开始代码:href=' ,结束代码:' )。 

      那如果我们混合着用,也就是有的使用单引号,有的使用双引号,那么就会给采集者带来一定的麻烦。至少他不能采集到所有文章(如果采集程序差一点的话可能一篇也采集不到)。 

在上面的基础上,更深入一步将a中间的参数进行随机排列:  
复制代码 代码如下:

<a href="链接地址" title="链接说明" target="_blank" class="链接样式">  
<a href="链接地址" class="链接样式" title="链接说明" target="_blank">  
<a title="链接说明" href="链接地址" class="链接样式" target="_blank">  
       然后再在其中混用单双引号,在href=后面还可以不使用引号。那么采集者将不能正确获取列表页面中文章地址。 

       再深入一步,可以在列表中加入干扰码,如把链接部分重复加一次空白链接,(<a href="链接地址" title="链接说明" target="_blank" class="链接样式"></a>),那么如果对方能够获取一部分文章地址,或者能够采集一部分文章,那么这部分文章也肯定是重复的。 

在进行以上修改后,我想大部分采集者都会知难退的哈。缺点就是代码不太标准。以上仅雨哲个人观点。