java中反爬虫_反网络爬虫策略（转自Javaeye）

[随着网络的迅速发展，万维网成为大量信息的载体，如何有效地提取并利用这些信息成为一个巨大的挑战。搜索引擎(Search Engine)，例如传统的通用搜索引 ...]

爬虫有好处也有坏处：

威胁主要是流量方面，包括爬虫的访问以及搜索引擎被使用带来的实际用户访问。

对网站有好有坏，不好的地方会增加网站的访问负荷；好的地方也是增加了访问流量，

如果搜索引擎收录了你的网站，你的网站的流量会增加，也就是有更多的用户访问量。

你想让更多用户知道的话，就允许网络爬虫，如果需要防止的话，就需要监测网站，把一些不良网络爬虫的给堵止掉，一般是封IP。

正常情况下，在网站的目录下放一个robots.txt的文件，里面可以声明禁止爬虫来爬，做为一个有品的爬虫程序，就不去爬了，当然没品的不在此列。

对于恶意爬虫，可以封掉它的ip

[    前几天同学问我，获取一个网站的资料是通过api调用好还是通过网络爬虫好，我说如果api可以满足需求那可以直接调api因为api是网站给你暴露的接口 ...]

robbin大牛的文章，怎样防范野蛮的爬虫，很多地方都有引用：

[这里说的负载均衡并非大家熟悉的网络中的负载均衡。只是这里我使用了和负载均衡同样的一种思维来优化程序罢了，其实就是压力分摊。]