前言
验证码是阻挡机器人攻击的有效实践，网络爬虫，又被称为网络机器人，是按照一定的规则，自动地抓取网络信息和数据的程序或者脚本。如何防控，这里简单提供几个小 Tips。
使用 nginx 的自带功能
通过对 httpuseragent 阻塞来实现，包括 GET/POST 方式的请求，以 nginx 为例。
拒绝以 wget 方式的 httpuseragent，增加如下内容：
Block http user agent - wgetif ($http_user_agent ~* (Wget) ) { return 403;}
复制代码
如何拒绝多种 httpuseragent，内容如下：
if ($http_user_agent ~ (agent1|agent2|Foo|Wget|Catall Spider|AcoiRobot) ) { return 403;}
复制代码
限制 User-Agent 字段
User-Agent 字段能识别用户所使用的操作系统、版本、CPU、浏览器等信息，如果请求来自非浏览器，就能识别其为爬虫，阻止爬虫抓取网站信息。
限制 IP 或账号
根据业务需求，要求用户通过验证码后才能使用某些功能或权限。当同一 IP、同一设备在一定时间内访问网站的次数，系统自动限制其访问浏览。只有在输入正确的验证码之后才能继续访问。
验证码拦截
在登录页等页面，添加验证码，以识别是正常流量还是恶意爬虫，也是一种基本的操作。
HTML 代码：
<script src="captcha.js?appid=xxx"></script><script>kg.captcha({ // 绑定元素，验证框显示区域 bind: "#captchaBox3", // 验证成功事务处理 success: function(e) { console.log(e); document.getElementById('kgCaptchaToken').value = e['token'] }, // 验证失败事务处理 failure: function(e) { console.log(e); }, // 点击刷新按钮时触发 refresh: function(e) { console.log(e); }});</script>
<div id="captchaBox3">载入中 ...</div><input type="hidden" name="kgCaptchaToken" value="" />
复制代码
Python 代码：
from wsgiref.simple_server import make_serverfrom KgCaptchaSDK import KgCaptchadef start(environ, response): # 填写你的 AppId，在应用管理中获取 AppID = "xxx" # 填写你的 AppSecret，在应用管理中获取 AppSecret = "xxx" request = KgCaptcha(AppID, AppSecret) # 填写应用服务域名，在应用管理中获取 request.appCdn = "https://cdn.kgcaptcha.com" # 请求超时时间，秒 request.connectTimeout = 10 # 用户id/登录名/手机号等信息，当安全策略中的防控等级为3时必须填写 request.userId = "kgCaptchaDemo" # 使用其它 WEB 框架时请删除 request.parse，使用框架提供的方法获取以下相关参数 parseEnviron = request.parse(environ) # 前端验证成功后颁发的 token，有效期为两分钟 request.token = parseEnviron["post"].get("kgCaptchaToken", "") # 前端 _POST["kgCaptchaToken"] # 客户端IP地址 request.clientIp = parseEnviron["ip"] # 客户端浏览器信息 request.clientBrowser = parseEnviron["browser"] # 来路域名 request.domain = parseEnviron["domain"] # 发送请求 requestResult = request.sendRequest() if requestResult.code == 0: # 验证通过逻辑处理 html = "验证通过" else: # 验证失败逻辑处理 html = f"{requestResult.msg} - {requestResult.code}" response("200 OK", [("Content-type", "text/html; charset=utf-8")]) return [bytes(str(html), encoding="utf-8")]httpd = make_server("0.0.0.0", 8088, start) # 设置调试端口 http://localhost:8088/httpd.serve_forever()
复制代码
最后
SDK 开源地址：KgCaptcha (KgCaptcha) · GitHub，顺便做了一个演示：凯格行为验证码在线体验
评论