SpringBoot整合反爬虫接口防刷组件kk-anti-reptile-技术圈

kk-anti-reptile
是适用于基于 spring-boot 开发的分布式系统的开源反爬虫接口防刷组件。其开源地址在：

- Gitee: https://gitee.com/kekingcn/kk-anti-reptile
- Github: https://github.com/kekingcn/kk-anti-reptile

Part1
使用场景

1. 网站某个页面被狂刷，刷到服务宕机！

2. 网站短时间被同一ip 频繁爬取！
Part2
环境要求

基于 spring-boot 开发(spring-boot1.x, spring-boot2.x 均可)

需要使用 redis

Part3
工作原理

kk-anti-reptile 使用
SpringMVC拦截器
对请求进行过滤，通过 spring-boot 的扩展点机制，实例化一个Spring HandlerInterceptor Bean，通过 Spring 注入到 Servlet 容器中，从而实现对请求的过滤。

在 kk-anti-reptile 的过滤 Interceptor 内部，又通过责任链模式，将各种不同的过滤规则织入，并提供抽象接口，可由调用方进行规则扩展。

Interceptor 调用则链进行请求过滤，如过滤不通过，则拦截请求，返回状态码509，并输出验证码输入页面，输出验证码正确后，调用过滤规则链对规则进行重置。

目前规则链中有如下两个规则：

ip-rule

ip-rule 通过时间窗口统计当前时间窗口内请求数，小于规定的最大请求数则可通过，否则不通过。时间窗口、最大请求数、ip 白名单等均可配置

ua-rule

ua-rule 通过判断请求携带的 User-Agent，得到操作系统、设备信息、浏览器信息等，可配置各种维度对请求进行过滤

Part4
使用与配置

kk-anti-reptile使用十分方便，只需在springboot项目中引用 kk-anti-reptile 的 maven 依赖，并在yml配置启用 kk-anti-reptile 即可。

在`pom.xml`中引入依赖：



    

      

    

    
    cn.keking.project

    
    kk-anti-reptile

    
    1.0.0-RELEASE

在`application.yml`中自定义配置：

# redis

spring:

redisson:

address: redis://192.168.10.1:6379
password: yourpasswd

# 反爬取配置

anti:
reptile:
manager:
enabled: true
global-filter-mode: true
# include-urls: "^/network/.*$"
ip-rule:
enabled: true
expiration-time: 5000
request-max-size: 15
ignore-ip: "192.168.*,127.0.0.1"
lock-expire: 30*24*60*60
ua-rule:
enabled: true
allowed-linux: false
allowed-mobile: true
allowed-pc: true
allowed-iot: false
allowed-proxy: false

所有配置都以anti.reptile.manager为前缀，如下为所有配置项及说明：

NAME	描述	默认值	示例
enabled	是否启用反爬虫插件	true	true
globalFilterMode	是否启用全局拦截模式	false	true
include-urls	局部拦截时，需要反爬的接口列表，以','分隔，支持正则匹配。全局拦截模式下无需配置	空	/client,/user,^/admin/.*$
ip-rule.enabled	是否启用 IP Rule	true	true
ip-rule.expiration-time	时间窗口长度(ms)	5000	5000
ip-rule.request-max-size	单个时间窗口内，最大请求数	20	20
ip-rule.lock-expire	命中规则后自动解除时间（单位：s）	10天	20
ip-rule.ignore-ip	IP 白名单，支持后缀'*'通配，以','分隔	空	192.168.*,127.0.0.1
ua-rule.enabled	是否启用 User-Agent Rule	true	true
ua-rule.allowed-linux	是否允许 Linux 系统访问	false	false
ua-rule.allowed-mobile	是否允许移动端设备访问	true	true
ua-rule.allowed-pc	是否允许移 PC 设备访问	true	true
ua-rule.allowed-iot	是否允许物联网设备访问	false	false
ua-rule.allowed-proxy	是否允许代理访问	false	false

Part5
验证码页面

命中爬虫和防盗刷规则后，会阻断请求，并生成解除阻断的验证码，验证码有多种组合方式，如果客户端可以正确输入验证码，则可以继续访问。

验证码有中文、英文字母+数字、简单算术三种形式，每种形式又有静态图片和 GIF 动图两种图片格式，即目前共有如下六种，所有类型的验证码会随机出现，目前技术手段识别难度极高，可有效阻止防止爬虫大规模爬取数据。

前端统一处理验证码页面：

前端需要在统一发送请求的 ajax 处加入拦截，拦截到请求返回状态码509后弹出一个新页面，并把响应内容转出到页面中，然后向页面中传入后端接口baseUrl参数即可，以使用 axios 请求为例：



    import axios from 'axios';

    
import {baseUrl} from './config';

    


    


      axios

      .

      interceptors

      .

      response

      .

      use

      (

    

    
  data => {

    
    return data;

    
  },

    
  error => {

    
    if (error.response.status === 509) {

    
      let html = error.response.data;

    
      let verifyWindow = window.open("","_blank","height=400,width=560");

    
      verifyWindow.document.write(html);

    
      verifyWindow.document.getElementById("baseUrl").value = baseUrl;

    
    }

    
  }

    


      );

    

    


    
export default axios;

Part6
注意事项

1. apollo-client 需启用 bootstrap

使用 apollo 配置中心的用户，由于组件内部用到@ConditionalOnProperty，要在 application.properties/bootstrap.properties 中加入如下样例配置，(apollo-client 需要 0.10.0 及以上版本）详见apollo bootstrap 说明



    apollo.bootstrap.enabled = true

2. 需要有 Redisson 连接

如果项目中有用到 Redisson，kk-anti-reptile 会自动获取 RedissonClient 实例对象; 如果没用到，需要在配置文件加入如下 Redisson 连接相关配置



    spring.redisson.address = redis://192.168.1.204:6379

    
spring.redisson.password = xxx

END

点赞👍关注

如何查找物种间对应的同源基因？

Docker实战之CFM-ID注释代谢物

一文了解并入门Docker

一文看懂环境变量、CPU、核、多线程与并发

半岛铁盒机器人+Python推导式

WeRobot+Django配置微信公众号功能

Python的宝藏函数