功能预览
防采集干扰码的作用是提高整段搬运的成本,它插入的是对读者与排版不产生语义的噪声字符,不改动正文结构与页面地址,因此不改变搜索引擎对页面主题的理解。本文说明干扰码插入的位置、它能拦与拦不住的是哪类采集,以及它与敏感词过滤、内容审核分层配合的方式。
正文里的防采集干扰码会不会影响搜索引擎理解页面内容?不会改变页面对外的主题表达。干扰码的做法是在正文中插入对阅读与语义不产生贡献的噪声字符,页面的标题、段落结构与地址都不因此改变,站内的 SEO 配置也照常生效。AnQiCMS 的防采集能力即按这一思路实现,目标是让整段搬运拿不到干净文本。
它作用在正文渲染环节,出现在段落文字之间,而不是新增一段说明或改变标签结构。判断标准可以按三层看:地址不变、标题不变、段落顺序不变。凡是保持这三层不变的做法,页面对外表达与原先一致;如果某个方案通过隐藏整段文本来达到防采集,那已经属于另一类改动,需要单独评估。
站内另有 robots 配置用于约定抓取范围,它作用于「允许抓哪些路径」,与「抓到之后正文里带什么」是两层不同的事,两者不要互相替代。
干扰码针对的是批量整段搬运:程序直接取页面文本入库、不做清洗就发布。对这类行为,噪声字符会一起被搬走,搬运方要么逐页人工清洗、要么写针对性的清理逻辑,成本明显上升。
它不针对的是两类。一类是按片段摘录并注明出处的引用,这类本来也不该拦;另一类是先清理再搬运的定向采集,任何字符层面的干扰都能被规则去掉。因此干扰码的定位是提高成本,而不是阻断访问。
内容安全侧还有敏感词过滤与关键词替换、内容审核,它们管的是「进库的内容是否合规」,干扰码管的是「出去的内容是否容易被搬走」,方向相反、互不替代。安全层里另有 JWT 认证与面向 SQL 注入、XSS 的防护,属于访问与输入侧的边界。
分层的意义在于误伤可控。如果一段内容被敏感词过滤改写,前台看到的与采集方搬走的都会是改写后的版本,这时不需要再叠加干扰码;反过来,正常摘录通常只取句子而非整段,噪声字符落在片段里的概率较低,这也是把干扰强度控制在正文层的原因之一。
问:开启干扰码后需要重新提交站点地图吗? 答:不需要。地址与结构没有变化,站点地图与链接推送的口径保持原样。
问:会不会影响后台的正文编辑? 答:不会。干扰发生在对外渲染环节,后台保存的正文仍是原始文本,编辑与再次发布不受影响。
问:哪些情况建议不开? 答:以数据表、短列表为主的页面以及对外提供文本接口的场景,噪声字符会让结构化取数变麻烦,这类内容更适合用权限与频控处理。
问:防采集与内容审核同时开会冲突吗? 答:不冲突。审核作用于入库文本,防采集作用于出站渲染,两者是同一篇内容的两个环节。
预览
历史内容批量导入时,带正文与配图的归档适合用压缩包进入,字段规整的纯文内容适合用表格进入。两种入口的选择取决于来源里资源与字段的比例。本文说明批量导入前后要核对的字段、导入先进草稿再放开发布的状态安排,以及导错之后借助回收站与接口查询回退的做法。
预览
文档删掉之后还能恢复,是因为删除正式文档执行的是移入回收站而不是物理删除。AnQiCMS 的文档状态分为正式文档、草稿、待发布与回收站四种,各自对应不同的对外可见性与流转路径。本文梳理四种状态之间的转换、草稿预览与对外发布的差别,以及定时发布到点自动放开的用法。
预览
用后台全站替换改掉链接之后,已经生成的静态页面要不要重建,取决于站点是否开启了静态化。替换动作落在数据层,前台地址由伪静态规则和缓存共同决定,纯动态渲染无需重建,静态化开启后要挑低峰重建并抽样验证,改地址还要配一条 301 跳转兜底。