网页如何判断一个请求来自于爬虫？

网络爬虫在大多数情况中都不违法，其实我们生活中几乎每天都在爬虫应用，如百度，你在百度中搜索到的内容几乎都是爬虫采集下来的(百度自营的产品除外，如百度知道、百科等)，所以网络爬虫作为一门技术，技术本身是不违法的，且在大多数情况下你都可以放心大 胆的使用爬虫技术。当然也有特殊情况，请看下一章节。

可以从以下几点进行考虑

1. 限制请求/提交次数，比如每分钟最多请求60次，3分钟最多请求100次。如果超过这种阶梯式的设置次数就进行封禁，凡是这种封禁最好是可解除的，称为临时封禁，还有一种永久封禁，博主就是达到这个峰值的时候直接跳转到验证码页面。
2. 保存各大搜索引擎的蜘蛛IP(这个可以查询到的)，保存下来放行，但是这个不易维护。
3. 判断user_agent头，因为头里有一些搜索引擎的来源（网上有开源的项目包，可以根据user_agent判断系统、浏览器版本型号，感兴趣的可以用一下），但是这个判断user_agent头很容易伪造，并不可靠。
4. 页面植入js，如果是浏览器打开就肯定会执行这个js，那么后台拦截这个js的请求，反之则是爬虫。这块的准确率达到了80%以上，甚至90%以上。为什么还有有不准的情况呢，因为有几种情况是统计不到的，比如快速刷新(页面还没完全打开)、网速不好的情况下，页面也会一直在加载。
5. 另外可以做一个封杀表，按照IP(全匹配)、user_agent(模糊匹配)两种类型进行封禁，比如user_agent含有Python的，博主认为肯定是爬虫。

页面植入js，如果是浏览器打开就肯定会执行这个js，那么后台拦截这个js的请求，反之则是爬虫。感觉这个很好判断，因为对于爬虫来说它爬到的是数据，并不是要看页面，也就没有浏览器执行js的步骤。