利用零宽度字符防止被爬虫

小脑袋困掉了

首先举个栗子：
h​​​t​​​t​​​p​​​s​​​:​​​/​​​/​​​b​​​a​​​i​​​d​​​u​​​.​​​c​​​o​​​m
复制以上链接粘贴到浏览器地址栏，会发现无法打开。
这是为什么呢？就是因为这个字符串中出了叛徒——零宽度字符。
这些叛徒我们看不到，但它确实破坏了链接的有效性。
所以各位站长如果想要反爬虫，可以将站内的链接都用 js 函数修饰一下。
等访客点击的时候可以用 js 解释一下。

helone

奇才，你以为百度蜘蛛能识别出来url吗？那这样还不如关站呢

3721

标签元素 加个随机数算了，不用这么

llyang

小脑袋困掉了 发表于 2020-4-6 13:50
正则可以去，顶多防小白，大佬防不住的。

我在35楼写的正则，咋去不了呀

大佬，请教2个问题：
1、如何用常规软件，或者linux中，制造零字节。劳驾科普下
2、regEx咋删除

小脑袋困掉了

DROP 发表于 2020-4-3 19:35
你太小看爬虫大佬了

天下没有攻不破的盾，能防住大部分就已经很不错了。

Zeros

h​​​t​​​t​​​p​​​s​​​:​​​/​​​/​​​b​​​a​​​i​​​d​​​u​​​.​​​c​​​o​​​m
控制台看到的

ByteCat

a上工具


不，我不是小尾巴，你也看不见我，哼唧

peng123

h​​​t​​​t​​​p​​​s​​​:​​​/​​​/​​​b​​​a​​​i​​​d​​​u​​​.​​​c​​​o​​​m

peng123

但是源代码可以查看呀

sky21022

有意思。研究研究。按说源代码可以看到的代码，通配符都能搞定

peng123

h​t​t​p​s​:​/​/​w​w​w​.​h​o​s​t​l​o​c​.​c​o​m

jackwolf

正则去掉非字母部分看看行不行

小脑袋困掉了

peng123 发表于 2020-4-3 19:15
但是源代码可以查看呀

是可以看到，但是复制到浏览器里打不开。