在一般的鏈接地址形式如：  

       大家注意看上面兩行代碼，有一個(gè)區(qū)別就是第一個(gè)中間使用的是雙引號(hào)，第二個(gè)使用的是單引號(hào)。一般來說，如果在文章列表頁面都使用雙引號(hào)或者使用單引號(hào)，很容易讓采集者找到文章路徑（開始代碼：href=' ，結(jié)束代碼：' ）。 

      那如果我們混合著用，也就是有的使用單引號(hào)，有的使用雙引號(hào)，那么就會(huì)給采集者帶來一定的麻煩。至少他不能采集到所有文章（如果采集程序差一點(diǎn)的話可能一篇也采集不到）。 

在上面的基礎(chǔ)上，更深入一步將A中間的參數(shù)進(jìn)行隨機(jī)排列：  
       然后再在其中混用單雙引號(hào)，在href=后面還可以不使用引號(hào)。那么采集者將不能正確獲取列表頁面中文章地址。 

       再深入一步，可以在列表中加入干擾碼，如把鏈接部分重復(fù)加一次空白鏈接，（<a href="鏈接地址" title="鏈接說明" target="_blank" class="鏈接樣式"></a>），那么如果對(duì)方能夠獲取一部分文章地址，或者能夠采集一部分文章，那么這部分文章也肯定是重復(fù)的。 

在進(jìn)行以上修改后，我想大部分采集者都會(huì)知難退的哈。缺點(diǎn)就是代碼不太標(biāo)準(zhǔn)。以上僅雨哲個(gè)人觀點(diǎn)。 

最新評(píng)論