限制IP地址單位時間的訪問次數(shù) 分析：沒有哪個常人一秒鐘內(nèi)能訪問相同網(wǎng)站5次，除非是程序訪問，而有這種喜好的，就剩下搜索引擎爬蟲和討厭的采集器了。
這是第二種防采集方法。在文章正文頁面插入重復特征頭尾代碼的注釋。當然，這個可以用正則去掉，但足于對付通用的采集系統(tǒng)。
關(guān)鍵信息通過ajax請求來獲取，最好是需要帶有臨時token作為參數(shù)的請求。網(wǎng)站在發(fā)布的時候需要做javascript代碼壓縮和混淆，這樣程序人員就很難通過閱讀代碼或者捕獲請求來建立模擬采集。
防止采集好像沒有絕對的辦法，但可以阻止一些技術(shù)不高的人，或者增加他們的工作量，然后他們就不菜你的，而選擇菜其他人的了。程序判斷，如果訪問很頻繁的就禁止掉。當然要懂編程了，用session。
斷網(wǎng)的手機卡再聯(lián)網(wǎng)IP也基本會變，所以基本就是達到了一個IP爬兩分鐘就自動換了一個IP，他們也會根據(jù)你統(tǒng)計的時間限制來調(diào)整他們的時間，所以統(tǒng)計IP這一招再這個方法中就不行了。
防止網(wǎng)站被人采集的方法 2009-08-23 信息來源：赤峰信息網(wǎng) 視力保護色：網(wǎng)站內(nèi)容采用多套模板，隨機模板，給采集程序設(shè)置過高的門檻；但這招對整站采集器不起作用。
1、直接過濾蜘蛛/機器人的IP段。注意：第二項措施只對“君子”有效，第三項措施要用來防“小人”(“君子”和“小人”一般分別指遵守robots.txt協(xié)議的蜘蛛/機器人)。
2、Robots 禁封 Robots 協(xié)議（也稱為爬蟲協(xié)議、機器人協(xié)議等）的全稱是 “網(wǎng)絡爬蟲排除標準”（Robots Exclusion Protocol），用來告訴搜索引擎、爬蟲哪些頁面可以抓取，哪些頁面不能抓取。
3、當一個搜索機器人訪問一個站點時，它會首先檢查該站點根目錄下是否存在robots.txt，如果找到，搜索機器人就會按照該文件中的內(nèi)容來確定訪問的范圍，如果該文件不存在，那么搜索機器人就沿著鏈接抓取。
4、實例分析：淘寶網(wǎng)的 Robots.txt文件 User-agent： Baiduspider Disallow： / User-agent： baiduspider Disallow： / 很顯然淘寶不允許百度的機器人訪問其網(wǎng)站下其所有的目錄。網(wǎng)站robots的情況，可以使用百度站長工具進行查詢。
①關(guān)鍵詞的堆砌會造成搜索引擎不爬取，影響網(wǎng)站收錄 ② 網(wǎng)站的url路徑層級是否過多，圖片的alt屬性的設(shè)置是否合理也會影響收錄。
比如開啟了防火墻規(guī)則、屏蔽了網(wǎng)站端口、開啟防采集規(guī)則、開啟防攻擊規(guī)則等，導致了搜索引擎同一時間由于大量訪問網(wǎng)站，而導致被安全軟件攔截。
新網(wǎng)站未收錄。如果是由于新網(wǎng)站的原因未收錄是很好處理的，主要繼續(xù)堅持原創(chuàng)并做一些外鏈來吸引蜘蛛，就會很快被收錄了；網(wǎng)站被K或者降權(quán)了。如果網(wǎng)站被K了或者降權(quán)了，收錄肯定是會受到影響的。
1、嘗試使用其他瀏覽器：有些瀏覽器可能具有更靈活的復制功能。嘗試使用其他瀏覽器（如Chrome、Firefox等）來訪問網(wǎng)頁，看是否能夠復制內(nèi)容。查看頁面源代碼：有時，你可以查看網(wǎng)頁的源代碼，并從中復制所需的內(nèi)容。
2、這是網(wǎng)頁的設(shè)計者給它加入了不能選中的腳本，簡單防止別人拷貝其網(wǎng)頁內(nèi)容。其實解決的辦法很簡單。
3、直接拖拽：打開Word，選擇網(wǎng)頁上的文本內(nèi)容，直接拖動至Word文檔中。保存網(wǎng)頁：如果網(wǎng)站頁面是靜態(tài)頁面，可直接按組合鍵【Ctrl+S】將網(wǎng)頁保存至本地，然后在自己電腦上打開保存的網(wǎng)頁，即可隨意復制。
4、解決網(wǎng)頁文字無法復制的問題 我們在瀏覽某些網(wǎng)頁時，有的時候你想選取某些文本進行復制，可按住鼠標左鍵拖動，無論如何也無法選中需要的文字。這是網(wǎng)頁的設(shè)計者給它加入了不能選中的腳本，簡單防止別人拷貝其網(wǎng)頁內(nèi)容。
5、復制網(wǎng)頁內(nèi)容是我們?nèi)粘Ｉ钪薪?jīng)常需要做的事情，但有時候會遇到一些問題，比如復制不了、復制的內(nèi)容不全等。本文將介紹三種方法，幫助你輕松復制網(wǎng)頁內(nèi)容。
