十點(diǎn)防采集黃金建議

    7、防盜鏈措施(只允許通過本站頁面連接查看，如：Request.ServerVariables(“HTTP_REFERER“) )
    
    分析：asp和php可以通過讀取請(qǐng)求的HTTP_REFERER屬性，來判斷該請(qǐng)求是否來自本網(wǎng)站，從而來限制采集器，同樣也限制了搜索引擎爬蟲，嚴(yán)重影響搜索引擎對(duì)網(wǎng)站部分防盜鏈內(nèi)容的收錄。

    適用網(wǎng)站：不太考慮搜索引擎收錄的網(wǎng)站

    采集器會(huì)怎么做：偽裝HTTP_REFERER嘛，不難。

    8、全flash、圖片或者pdf來呈現(xiàn)網(wǎng)站內(nèi)容
    
    分析：對(duì)搜索引擎爬蟲和采集器支持性不好，這個(gè)很多懂點(diǎn)seo的人都知道

    適用網(wǎng)站：媒體設(shè)計(jì)類并且不在意搜索引擎收錄的網(wǎng)站

    采集器會(huì)怎么做：不采了，走人

    9、網(wǎng)站隨機(jī)采用不同模版
    
    分析：因?yàn)椴杉魇歉鶕?jù)網(wǎng)頁結(jié)構(gòu)來定位所需要的內(nèi)容，一旦先后兩次模版更換，采集規(guī)則就失效，不錯(cuò)。而且這樣對(duì)搜索引擎爬蟲沒影響。

    適用網(wǎng)站：動(dòng)態(tài)網(wǎng)站，并且不考慮用戶體驗(yàn)。

    采集器會(huì)怎么做：一個(gè)網(wǎng)站模版不可能多于10個(gè)吧，每個(gè)模版弄一個(gè)規(guī)則就行了，不同模版采用不同采集規(guī)則。如果多于10個(gè)模版了，既然目標(biāo)網(wǎng)站都那么費(fèi)勁的更換模版，成全他，撤。

    10、采用動(dòng)態(tài)不規(guī)則的html標(biāo)簽

    分析：這個(gè)比較變態(tài)?？紤]到html標(biāo)簽內(nèi)含空格和不含空格效果是一樣的，所以<  div >和<   div    >對(duì)于頁面顯示效果一樣，但是作為采集器的標(biāo)記就是兩個(gè)不同標(biāo)記了。如果次頁面的html標(biāo)簽內(nèi)空格數(shù)隨機(jī)，那么
    采集規(guī)則就失效了。但是，這對(duì)搜索引擎爬蟲沒多大影響。

    適合網(wǎng)站：所有動(dòng)態(tài)且不想遵守網(wǎng)頁設(shè)計(jì)規(guī)范的網(wǎng)站。

    采集器會(huì)怎么做：還是有對(duì)策的，現(xiàn)在html cleaner還是很多的，先清理了html標(biāo)簽，然后再寫采集規(guī)則；應(yīng)該用采集規(guī)則前先清理html標(biāo)簽，還是能夠拿到所需數(shù)據(jù)。

    總結(jié)：

    一旦要同時(shí)搜索引擎爬蟲和采集器，這是很讓人無奈的事情，因?yàn)樗阉饕娴谝徊骄褪遣杉繕?biāo)網(wǎng)頁內(nèi)容，這跟采集器原理一樣，所以很多防止采集的方法同時(shí)也阻礙了搜索引擎對(duì)網(wǎng)站的收錄，無奈，是吧？以上10條建議雖然不能百分之百防采集，但是幾種方法一起適用已經(jīng)拒絕了一大部分采集器了。