网页内容防抓取的非主流思路

发表于 | 分类于

最近做的一个站点，里面有一些的信息是不想被别人抓取，然后就想了这么个非主流的防抓取方式，想的不是特别的严谨，但是还是能简单的抵挡一下哪些二流的程序员的，OK，那就开始说一下思路吧。

思路就是，随机生成一批随机字符，插入到想要防止抓取的文字中，然后记录下这批随机字符，传入JS,在前端用JS将这些字符替换掉。

看一下我的实践：
randstr方法就是生成随机字符用的
ORG.JavaScriptPacker 是引入的一个JS压缩类

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
//随机字符加密
import("@.ORG.JavaScriptPacker");
$linestr = "''";
for($i=0;$i<20;$i++){
    $str = randstr(rand(4,5));
    $randstr[] = $str;
    $linestr = "'".$str."',".$linestr;
}
$script = '$(function(){
		source = $(".wrapper").html();
		var randstr = ['.$linestr.'];
		news = source ;
		for(str in randstr){
			var regS = new RegExp(randstr[str],"g");
			news=news.replace(regS,"")
		}
		$(".wrapper").html(news);
		});';
$packer = new JavaScriptPacker($script, 10);
$ScriptExec = $packer->pack();
$this->assign("scriptexec",$ScriptExec);

然后将这些PHP生成的随机字符随机的插入不想被抓取到的文字中。

这段代码是ThinkPHP中粘出来的，如果不懂可以基本立即就是把最终的$ScriptExec给打印出来（放入script中），即可，替换的内容是class = wrapper 的内容。

这个方法再开头也说了，只能稍作抵挡，真想抓取到实际内容也非常简单，
1、找到源码里执行的那段替换script代码，
2、解密这段script代码，找到其中的随机字符
2、抓取到相应的内容后自己再做替换