近几天在精易论坛上一位大神分享了一套源码，是关于百度爬虫的，代码量有点多有点复杂，就简单看了一下。
这套代码本意应该是，批量利用前一阵兴起的网站统计代码关键词宣传法。利用模拟百度爬虫，来爬取拥有某套统计代码的网站，做到关键词留在网站上，再接用网站的权重进行收录，还是推广的，不记得了。
这套代码可以指定，可以随机，可以分类随机爬取网站。
洪雨比较感兴趣的是其中模拟百度蜘蛛这一部分，对快排的开发很有启发。
百度搜索引擎几乎都是由js代码组成的，它的目的是向服务器传输用户搜索行为，然后让服务器做出反应，传输给用户想要看到的结果。
那么搜索引擎如何告诉服务器用户的行为呢？
答案是通过一系列的参数来传达，而这一系列的参数都能对应用户一系列的行为。通过访问由这些参数组成的网址时，网页中的js会自动将数据传达给百度。
换个角度讲，如果用户没有任何行为，我们只是人为的虚构这些参数，然后组成网址进行访问。网页js同样会向服务器传达这些指令，从而虚构了用户的行为。
这种东西洪雨八年前就接触过，可惜那时候不懂编程，根本不明白其中的意思。
数据流快排的重点在于对参数的虚构，以前应该比较容易，现在不知道百度有没有加上什么更加复杂的防御。
https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&tn=baidu&wd=%E6%B4%AA%E9%9B%A8%E8%90%A5%E9%94%80%E6%80%8E%E4%B9%88%E6%A0%B7&oq=%25E6%25B4%25AA%25E9%259B%25A8%25E8%2590%25A5%25E9%2594%2580&rsv_pq=ba2574320014ef5f&rsv_t=5ce3M2OIg0eteRhdSLJOcUKNV3%2FjTlZfcJKUur%2BZtW1YNa92kxPlVtvIMGY&rqlang=cn&rsv_enter=1&rsv_dl=tb&inputT=1464&rsv_sug3=21&rsv_sug1=2&rsv_sug7=000&rsv_sug2=0&rsv_sug4=2011&rsv_sug=1
随便看看这个网址，是我刚刚胡乱搜索得到的。
我们可以看到参数很多，比如ie，f，rsv_bp，wd……这些的参数都是可以构建出来的，不过要想真正有效，还要把前提都做足，不能直接访问这个结果，要把之前的网址全部都访问一遍。
就好像我们吃三个馒头能吃饱，但第一个和第二个也一定要吃，一个道理。 现在参数重点应该在于cook和isid的构建。
快排是一个非常厉害的东西，既然你能够通过模拟给自己的网站增长权重，那么同样你也可以做到给别人的网站降权甚至K站。
洪雨不知道现在百度的投票规则到底如何运作，但是当年是可以的。
这种软件开发，测试时间和测试工作量都是挺大的，所以我建议个人的话做个模拟的点击器弄个拨号vps用用就行了，虽然效率低，但是好开发。
发表评论：