雨哲防采集策略之列表篇
2018-09-06 11:32
阅读：641
在一般的链接地址形式如：
复制代码 代码如下:
1、<aclass=链接样式href=链接地址title=链接说明>文章标题</a>
2、<aclass=链接样式href=链接地址title=链接说明>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:
<ahref=链接地址title=链接说明class=链接样式>
<ahref=链接地址class=链接样式title=链接说明>
<atitle=链接说明href=链接地址class=链接样式>
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，（<ahref=链接地址title=链接说明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。
评论
亲，登录后才可以留言！