雨哲防采集策略之列表篇

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› ASP.NET›ASP.NET编程经验

原作者: [db:作者] 来自: [db:来源] 收藏邀请

在一般的链接地址形式如：

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。