1.准备

Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。

在终端输入以下命令安装我们所需要的依赖模块:

pip install crawlerdetect

看到 Successfully installed xxx 则说明安装成功。

2.使用方法

它可以通过user-agent、headers等请求头识别爬虫或机器人。

因此，你可以传递两种参数。第一种，使用user-agent检测机器人：

from crawlerdetect import CrawlerDetect
crawler_detect = CrawlerDetect(user_agent='Mozilla/5.0 (iPhone; CPU iPhone OS 7_1 like Mac OS X) AppleWebKit (KHTML, like Gecko) Mobile (compatible; Yahoo Ad monitoring; https://help.yahoo.com/kb/yahoo-ad-monitoring-SLN24857.html)')
crawler_detect.isCrawler()
# 如果是机器人，这条语句返回True

第二种识别方式会用上全部headers参数，这种方式比单纯用user-agent精准，因为它判断的依据更加全面。

from crawlerdetect import CrawlerDetect
crawler_detect = CrawlerDetect(headers={'DOCUMENT_ROOT': '/home/test/public_html', 'GATEWAY_INTERFACE': 'CGI/1.1', 'HTTP_ACCEPT': '*/*', 'HTTP_ACCEPT_ENCODING': 'gzip, deflate', 'HTTP_CACHE_CONTROL': 'no-cache', 'HTTP_CONNECTION': 'Keep-Alive', 'HTTP_FROM': 'googlebot(at)googlebot.com', 'HTTP_HOST': 'www.test.com', 'HTTP_PRAGMA': 'no-cache', 'HTTP_USER_AGENT': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/28.0.1500.71 Safari/537.36', 'PATH': '/bin:/usr/bin', 'QUERY_STRING': 'order=closingDate', 'REDIRECT_STATUS': '200', 'REMOTE_ADDR': '127.0.0.1', 'REMOTE_PORT': '3360', 'REQUEST_METHOD': 'GET', 'REQUEST_URI': '/?test=testing', 'SCRIPT_FILENAME': '/home/test/public_html/index.php', 'SCRIPT_NAME': '/index.php', 'SERVER_ADDR': '127.0.0.1', 'SERVER_ADMIN': 'webmaster@test.com', 'SERVER_NAME': 'www.test.com', 'SERVER_PORT': '80', 'SERVER_PROTOCOL': 'HTTP/1.1', 'SERVER_SIGNATURE': '', 'SERVER_SOFTWARE': 'Apache', 'UNIQUE_ID': 'Vx6MENRxerBUSDEQgFLAAAAAS', 'PHP_SELF': '/index.php', 'REQUEST_TIME_FLOAT': 1461619728.0705, 'REQUEST_TIME': 1461619728})
crawler_detect.isCrawler()
# 如果是机器人，这条语句返回True

你还可以识别相应爬虫的名字（如果有的话），通过这种方式，你能给一些著名的爬虫（如baiduspider、googlebot）添加白名单，不进行拦截。

from crawlerdetect import CrawlerDetect
crawler_detect = CrawlerDetect()
crawler_detect.isCrawler('Mozilla/5.0 (compatible; Sosospider/2.0; +http://help.soso.com/webspider.htm)')
# 如果是机器人，这条语句返回True
crawler_detect.getMatches()
# Sosospider

有了这个工具，我们就可以实现实时的爬虫封禁：

首先，你要实时监控网站上的http请求，检测其对应的headers.

其次，如果识别到该请求是机器人（爬虫）发出的，就可将其IP记录下来。

最后，将IP加入到Nginx或Apache的动态黑名单中，实现实时的爬虫封禁。

这一套流程我还没有试验过，大家有兴趣可以试试，理论上可行。

本文首发于python黑洞网，csdn同步更新

是否担心别人将你的博客文章全部爬下来？3行代码教你检测爬虫相关推荐

Python爬虫入门实战1：获取CSDN个人博客文章目录及阅读量数据
☞ ░ 老猿Python博文目录:https://blog.csdn.net/LaoYuanPython/article/details/98245036 ░ 一.引言有阵子博客的访问量出现了比较大 ...
如何快速转载别人的CSDN博客文章并附带格式与图片
1.问题背景最近在学习Git过程中想了解git reflog命令的高级用法与命令详解,于是找到了这几篇特别优秀的文章: [1]使用git reflog 命令来查看历史提交记录并使用提交记录恢复已经被 ...
【工具】复制别人的CSDN博客文章到本地
复制别人的CSDN博客文章到本地操作流程 1.打开自己喜欢的博客的文章,然后同时按shift+ctrl+I三个键,打开开发者工具. 2.选择elements选项,按下面图片选择(chorme浏览器) ...
将博客文章转变为电子书
中国站长站(mb5u.com)11月24日消息:自己的博客如何保存,如何更好地展示出来?近期,javaeye网站推出了一项新的功能,把博客制作成电子书籍. 以下,是javaeye负责人对该功能的介绍: ...
技术文档的撰写_如何撰写出色的技术博客文章
技术文档的撰写从创意到完美结果的五个步骤 (Five steps to get from idea to polished result) I've been working in the open ...
忍不住跟着吐槽 —“当你辛辛苦苦写的博客文章被无情复制，成为了他的原创，你作何感想？”...
刚无意打开博客园乱扫一眼便看到48小时排行里面一篇文章 "当你辛辛苦苦写的博客文章被无情复制,成为了他的"原创",你作何感想?",看到这样的标题就一下子触碰到了 ...
Python爬虫自学与实战，爬一下自己的博客文章
文章目录 1. 什么是爬虫 2. 学习爬虫的必备知识 3. 环境准备 4. 爬虫的第一步,获取网页的HTML内容 4.1 GET 4.2 POST 5. 使用BeautifulSoup模块来从HTML ...
php参考文献博客,科学网—博客文章可否作为参考文献引用？ - 王德华的博文
博客文章可否作为参考文献引用? 个人博客的发展(尤其是科学博客),估计会对科技传播等产生一定的影响.不知道是否有专家对此进行相关研究和预测. 前几天在喝咖啡的时候,随意翻阅散放在休息区域的杂志的时候, ...
html5博客在线写文章,HTML5响应式清新博客文章类织梦模板（移动端自适应）
模板介绍 ★模板介绍★ HTML5响应式清新博客文章类织梦模板(移动端自适应),测试完整无错,兼容主流浏览器.模板包含安装说明,并包含测试数据.本模板基于DEDECms 5.7 UTF-8设计,需要G ...

是否担心别人将你的博客文章全部爬下来？3行代码教你检测爬虫

1.准备

2.使用方法

本文首发于python黑洞网，csdn同步更新

是否担心别人将你的博客文章全部爬下来？3行代码教你检测爬虫相关推荐

最新文章

热门文章