Email是最重要的通讯工具之一。滥发垃圾信息者会利用一切可能的通讯工具，把小广告送到你的手中。发送Email的成本极为低廉，使得Email倍受垃圾信息发送者的青睐。发送垃圾邮件的第一步，是收集足够多的有效电子邮件地址；而收集Email地址的方法，主要就是查询目录、使用网页爬虫两种。

通过查询目录收集Email地址，主要是查询各类电子黄页、网站备案资料、域名WHOIS信息等。例如WHOIS yoursunny.com，可以查询到域名注册者的Email地址（有些WHOIS结果页面会用各种方式保护Email地址，但大部分并不会进行保护）。根据规定，域名WHOIS信息必须包含有效的Email地址，因此规避这种收集的唯一方法是使用Private Domain Registration服务，令WHOIS信息中包含的Email地址不断变化。

使用网页爬虫收集Email地址，是指垃圾邮件发送者编写程序抓取互联网上的网页，在网页文本中提取形似Email地址的字符串。比如某网页包含了 someone@example.com 这个Email地址，爬虫程序抓取该网页时就可以用正则表达式找到这个地址。本文主要讨论针对这种收集方法的防范。

防范网页爬虫抓取Email地址的传统方法

使用变体Email地址

很多人不在网页上直接写出Email地址，而采取一些其他字串表达Email地址。比如：

• 替换符号： someone#example.com
• 使用全角： someone＠example.com
• 使用单词： someone AT example.com
• 使用中文： someone在example点com
• 文字表达： someone AT google的邮箱

这些字符替换的手段，破坏了Email地址的可读性，经验不足的用户会产生困惑。若在后面标上“请将#换成@”，又显得拖沓。“google的邮箱”这种表述，从未用过Gmail的用户根本无法理解。

另一方面，可以替换的文字也就这么几种。用的人多了，垃圾邮件发送者就会改进程序里的正则表达式，识别这些变体的Email地址。

function findVariantEmail(str) {
    var re=/([a-z0-9]+)(@|#|\s*AT\s*|＠|在)((?:[a-z0-9]+\.)+[a-z0-9]+)/;
    var m=str.match(re);
    if (m) return m[1]+'@'+m[3].replace(/点/g,'.');
    else return null;
}

我仅使用一个简单的脚本，就可以识别好几种变体：

• 替换符号： someone#example.com，识别结果：someone@example.com
• 使用全角： someone＠example.com，识别结果：someone@example.com
• 使用单词： someone AT example.com，识别结果：someone@example.com
• 使用中文： someone在example点com，识别结果：someone@example.com
• 文字表达： someone AT google的邮箱，未能识别

制作成图片

有人将Email地址制作成图片。例如： 

网页HTML代码里没有包含这个Email地址，无法再使用字符串处理的方法取得这个Email地址。

但是，随着计算机处理速度越来越快，垃圾邮件发送者可以在程序中加入图像识别的功能。在已知这张图片是Email地址的情况下，程序可以自动下载这张图片，然后通过光学字符识别技术识别出上面的字串。

那么，下面这张图片怎么样呢？ 

使用了艺术字体，光学字符识别的难度增加了，可是读者要看清这个地址也会困难得多。防范垃圾邮件的同时，将正常用户拒之门外，这不是好办法。

JavaScript计算

阳光男孩的网上名片曾使用这样的方法：在页面上用JavaScript计算出Email地址。

网页上包含形如 suokmjezvoqnuektjezxvaqmupkljezdvcqoum 的字串，谁也不会认为这是一个Email地址吧？

只需一行JavaScript代码就可以解码成一个可读的Email地址：

str.replace(/[ukjzvq]/g,'').replace(/t/g,'@').replace(/d/g,'.');

suokmjezvoqnuektjezxvaqmupkljezdvcqoum => someone@example.com

这个方法我用了很长时间，一直觉得很完美——垃圾邮件发送者总不会来执行JavaScript吧？直到我在手机上用了一款软件，我才明白用JavaScript保护Email也是脆弱的。

这款令我心神不宁的软件叫做Opera Mini，它的原理是在Opera公司的服务器上运行许多个Opera浏览器内核，服务器上包含HTML解析、JavaScript引擎、DOM函数等现代浏览器应有的各种功能，手机端只用于输入命令、显示服务器上的网页执行结果。也就是说，我的JavaScript代码可以在Opera Mini的服务器上完整执行；同样的，垃圾邮件发送者也可以用类似的手段在服务器上执行JavaScript、取得执行结果，并从中找到Email地址。

双层图片保护Email

由上面的分析可见：

• 将Email地址写成变体，不利于读者的识别。采集程序可以在一定的限度内识别变体的Email地址，使得这种保护失效。
• 将Email地址做成一张图片，可以用光学字符识别技术采集到其中的Email地址。使用艺术字体可以增加采集难度，同时也加大了读者识别的难度。
• 用JavaScript计算生成Email地址的方法现在几乎没有保护作用，因为服务器上能够执行JavaScript。

因此，我设计了一种更好的方法，其特点是：

• 生成两张图片，分别包含Email地址的一部分。
• 单独使用任何一张图片，都无法看到完整的Email地址。
• 在浏览器中用CSS属性令两张图片重叠显示，叠加后能看到Email地址。

演示

下载示例源代码

原理

图片上的字符采用了4种不同的绘制方式：

绘制方式	下层图片绘制内容	上层图片绘制内容	效果
0	浅色背景，深色字符	透明背景
1	深色背景	浅色背景，透明字符
2	浅色背景	透明背景，深色字符
3	浅色背景，随机字符	浅色背景，深色字符

不论采取哪种绘制方式，在第一张图片上方叠加第二张图片的结果一定是浅色方块+深色字符。

当然，还有一些常规的抗机器识别特征：

• “浅色”有多种随机的颜色，每个字符绘制时随机选取一种。
• “深色”有多种随机的颜色，每个字符绘制时随机选取一种。
• 绘制一些随机的杂色干扰点。

改进方向

目前的双层图片保护Email地址方法中，使用两张图片、同一位置重叠，这是一种固定模式；采集程序可以识别这种模式，然后合并图片、运行光学字符识别。为了进一步增强双层图片保护Email地址的有效性，可以根据以下思路进行改进：

• 图片的层次数：可以重叠3层、4层或更多张图片。
• 重叠位置的变化：不在0,0位置重叠两张图片，而可以偏移一定的距离。
• 图片切块：将某一层图片切成几块，然后用CSS拼接起来。
• 字母切割：第一张图片绘制某字母的上半部分，第二张图片绘制下半部分。

源地址：双层动态图片保护Email地址 (yoursunny.com)