如何防止网站被采集，防止网站被采集有那些方法？

很多新站，起初的时候是没有多少权重的，为了增加收录提升权重，站长会努力的增加原创文章。但是有一些“聪明”的老站，专挑小站新站下手，你刚发布的文章，转眼就被采集到了别人的网站上，而且可恨的是，对方采集的收录了，你的原创的还没收录，即便后期会被收录，也会被搜索引擎认定为非原创文章。

类似这种小网站的优质原创文章，被大网站采集，抄袭。导致小网站没啥排名，做了“活雷锋”，这种事情，是行业内非常常见的一个问题，那么有什么办法可以防止网站被采集么？

防止网站被采集，那么我们就得先看下一般的网站是如何采集的，正所谓，知己知彼，百战百胜。要学会防，必须了解攻。

以前很多的CMS开源程序，如织梦（dedecms）、PHPCMS等程序内都带有网站采集的功能，单独的工具如火车头采集器这些，都几乎是为了采集而诞生的，而随着互联网技术的发展，现在采集方面的工具是越来越多了。而且随着Python语言的火热，使用爬虫进行抓取别人网站内容也成为一种流行的方法，不过基本的采集原理都大致相同。

采集网站的原理，即：先通过抓取文章列表页，设置规则，批量抓取内容页的网址，然后再设置内容页的匹配规则，比如一般标题都被包含在H1标签内，很多站长内容区域页会用很明显的标志性标签。诸如此类，即找到目标站上找到采集的规律。开始采集后，程序会在短时间内多次访问目标站。

我们总结下采集的规律：

• 1、目标网站页面标签规律性强；
• 2、短时间内网站被大量访问；

针对以上采集的规律，我们再来整理出防止网站被采集的方法。

目前比较有效的防止网站被采集的方法有如下一些：

1、文章详情页内增加锚链接，和品牌词

比如在我们的文章页内，出现一些切图匠相关的词语，这样即便网页被对方采集了，对方也需要付出一定的需改成本，而如果对方不需改的话，虽然破坏了我们的原创性，但至少也可以帮我们起到一定的宣传作用。

锚链接有时候会被程序自动过滤掉，但偶尔有时也会被保留下来，几年前有一次我发现我们的网站多出很多外链，一查居然都来自一个权重比较高的网站，他采集了我们带锚链接的网站内容。

2、使用随机class、id标签名，破坏页面的规律性

比如，很多前端切图人员在写文章详情页时，都会把文章内容包含在class为article、artBox等的标签内，这样对方采集的时候就会非常方便。但是如果我们在后端程序处理阶段，加上一些无意义的混淆标签，比如class='EopGuYBmv artBox uKBoWfEJdR'，这样的Class名，那么对方使用采集工具时，就不会那么容易找寻到规律了。

传送门：ThinkPHP生成模板随机字符串方法

3、限制IP在短时间内访问次数

恶意攻击及采集都是短时间内发起多次请求，目前很多程序都在使用这种方法，比如短信验证码等，这块属于服务器端的防守，一般需要专业的运维人员，或者安装专业的服务器软件，门槛较低的有宝塔服务器管理面板。

4、页面内增加网站专属的slogan等宣传文案

比如小编就见过很多网站，每篇文章的底部都会有一些专属的slogan宣传语，如：”切图匠，专注前端切图，业务包含PSD、AI、Sketch等UI设计稿转前端HTML开发，从业十余年。代码精简，编码规范，语义化强，方便对接后端程序“，诸如此类等等，当然，如果增加slogan，最好要结合上面讲到的第二点，要不然，slogan本身也会被作为采集的规律。

5、增加禁止用户复制、禁止使用F12调试模式的JS限制

不可否认，也有很多使用人工半自动采集网站的，这类基本都是手工复制，那么这种情况下，我们只需要在前端开发阶段给页面增加限制用户复制文字，禁止使用F12等操作的JS做限制即可过滤掉一大批用户。

但是这种操作对用户体验有一定的伤害，建议在网站运营前期使用，后期收录正常后去除。

6、向搜索引擎投诉（效果几乎无用）

先说明，这条方法不是切图匠的观点，是切图匠交流群内用户反馈来的。怎么说呢，可能有用，但几乎无用。每天新上线的网站那么多，有那个搜索引擎会良心到认真处理这些鸡毛蒜皮的事情。而且这些问题几乎是所有新站都要面临的事情。

当然，道高一尺魔高一丈，使用这些方法只能限制掉大部分的网站采集，不能绝对保证网站被采集，比如说，即便你做了各种限制，别人通过拍照，然后进行OCR识别再转为文字，也不是不可以，只是对方要花费更大的力气。另外，凡是防守，必然要从进攻的思路去反推，就像我们做网站安全防护，也是需要懂得黑客们常用的一些攻击方法和思路的。以上就是切图匠关于如何防止网站被采集的一些方法和思路，希望对各位网站运营者有所帮助。