掌握蜘蛛爬取的页面,获取一些关键信息

一般来说,站长都希望掌握蜘蛛在网站上的运动痕迹,如果你会一点PHP知识,那么这个功能就会很容易实现了。我们可以通过User-Agent数据进行识别,虽然User-Agent可以伪造,但是我们可以通过User-Agent和IP地址对真假蜘蛛的行为进行判断。

正好最近写了一个分析宝塔网站日志的zblog插件,收集了比较全面的蜘蛛特征进行判断识别,本文就讲我收集的蜘蛛特征分享给大家吧!

我们想要掌握蜘蛛爬取的页面,并把相关信息保存下来,我们先来获取一些关键信息。

1、获取当前页面URL

<?function getCurrentURL() {$protocol = $_SERVER["SERVER_PORT"] == '443'?'https://':'http://';return $protocol.$_SERVER['HTTP_HOST'].$_SERVER['REQUEST_URI'];}?>

2、获取User-Agent

<?php// 获取User-Agent字符串$userAgent = $_SERVER['HTTP_USER_AGENT'];?>

3、获取IP地址

<?php// 获取访问者的IP地址$ipAddress = $_SERVER['REMOTE_ADDR'];?>

4、蜘蛛爬取时间

<?php$time = time();?>

4、识别蜘蛛名称

function isbot($tmp){
//谷歌蜘蛛if(strpos($tmp, 'compatible; Googlebot/2.1') !== false){$flag = '谷歌蜘蛛';} else if(strpos($tmp, 'Googlebot-Mobile') >0){$flag = '谷歌蜘蛛';} else if(strpos($tmp, 'Googlebot-Image') >0){$flag = '谷歌图片蜘蛛';} else if(strpos($tmp, 'Mediapartners-Google') >0){$flag = '谷歌广告蜘蛛';} else if(strpos($tmp, 'Adsbot-Google') >0){$flag = '谷歌质量蜘蛛';} else if(strpos($tmp, 'Googlebot') >0){$flag = '谷歌蜘蛛';} //百度蜘蛛else if(strpos($tmp, 'Baiduspider-mobile') >0){$flag = '百度蜘蛛';} else if(strpos($tmp, 'Baidu-Thumbnail') >0){$flag = '百度图片蜘蛛';} else if(strpos($tmp, 'Baiduspider-image') >0){$flag = '百度图片蜘蛛';} else if(strpos($tmp, 'Baiduspider-news') >0){$flag = '百度新闻蜘蛛';} else if(strpos($tmp, 'Baiduspider-video') >0){$flag = '百度视频蜘蛛';} else if(strpos($tmp, 'Baidu-Transcoder') >0){$flag = '百度音乐蜘蛛';} else if(strpos($tmp, 'baiduspider-mobile-gate') >0){$flag = '百度移动蜘蛛';} else if(strpos($tmp, 'Baiduspider') >0){$flag = '百度蜘蛛';} //搜搜蜘蛛else if(strpos($tmp, 'Sosospider') >0){$flag = '搜搜蜘蛛';} else if(strpos($tmp, 'Sosoimagespider') >0){$flag = '搜搜图片蜘蛛';} //雅虎蜘蛛else if(strpos($tmp, 'Yahoo! Slurp China') !== false){$flag = '雅虎中文蜘蛛';}else if(strpos($tmp, 'Yahoo ContentMatch Crawler') !== false){$flag = '雅虎竞价蜘蛛';}else if(strpos($tmp, 'Yahoo-MMCrawler') !== false){$flag = '雅虎图片蜘蛛';}else if(strpos($tmp, 'Yahoo! Slurp') !== false){$flag = '雅虎英文蜘蛛';}//微软蜘蛛 else if(strpos($tmp, 'msnbot') !== false){$flag = '微软蜘蛛';} else if(strpos($tmp, 'msnbot-media') !== false){$flag = '微软媒体蜘蛛';} else if(strpos($tmp, 'MSNBot-Media') !== false){$flag = '微软多媒体蜘蛛';}  else if(strpos($tmp, 'MSNBot-NewsBlogs') !== false){$flag = '微软新闻及blog蜘蛛';}  else if(strpos($tmp, 'MSNBot-Academic') !== false){$flag = '微软学术蜘蛛';}  else if(strpos($tmp, 'MSNBot') !== false){$flag = '微软网页蜘蛛';} //360蜘蛛 else if(strpos($tmp, 'Sosospider') !== false){$flag = '360蜘蛛';} //有道蜘蛛else if(strpos($tmp, 'YodaoBot') !== false || strpos($tmp, 'OutfoxBot') !== false){$flag = '有道蜘蛛';} //搜狗蜘蛛else if(strpos($tmp, 'Sogou web spider') !== false || strpos($tmp, 'Sogou Orion spider') !== false){$flag = '搜狗蜘蛛';} else if(strpos($tmp, 'Sogou inst spider') !== false){$flag = '搜狗蜘蛛';}  else if(strpos($tmp, 'Sogou News Spider') !== false){$flag = '搜狗新闻蜘蛛';}  else if(strpos($tmp, 'Sogou spider2') !== false){$flag = '搜狗蜘蛛';}  else if(strpos($tmp, 'Sogou blog') !== false){$flag = '搜狗blog蜘蛛';}  else if(strpos($tmp, 'sogou spider') !== false){$flag = '搜狗蜘蛛';} //其他蜘蛛 else if(strpos($tmp, 'bingbot') !== false){$flag = '必应蜘蛛';}  else if(strpos($tmp, 'EtaoSpider') !== false){$flag = '一淘网蜘蛛';}  else if(strpos($tmp, 'Scooter') !== false){$flag = 'Altavista蜘蛛';}  else if(strpos($tmp, 'Lycos_Spider') !== false){$flag = 'Lycos蜘蛛';}  else if(strpos($tmp, 'FAST-WebCrawler') !== false){$flag = 'Alltheweb蜘蛛';}  else if(strpos($tmp, 'Slurp ASPSeek ASPSeek') !== false){$flag = 'INKTOMI蜘蛛';}  else if(strpos($tmp, 'lanshanbot') !== false){$flag = '东方网景爬虫';}  else if(strpos($tmp, 'BSpider') !== false){$flag = '日本爬虫';} else if(strpos($tmp, 'fast-webcrawler') !== false){$flag = 'fast-webcrawler';} else if(strpos($tmp, 'Gaisbot') !== false){$flag = 'Gaisbot';} else if(strpos($tmp, 'ia_archiver') !== false){$flag = 'Alexa蜘蛛';} else if(strpos($tmp, 'altavista') !== false){$flag = 'altavista爬虫';} else if(strpos($tmp, 'lycos_spider') !== false){$flag = 'Lycos蜘蛛';} else if(strpos($tmp, 'Inktomi slurp') !== false){$flag = 'Inktomi slurp';}else if(strpos($tmp, 'YandexBot') !== false){$flag = 'YandexBot';}else if(strpos($tmp, 'AhrefsBot') !== false){$flag = 'AhrefsBot';}else if(strpos($tmp, 'ezooms.bot') !== false){$flag = 'ezooms.bot';}else{$flag = NULL;}return $flag;}

6、完整案例

我们首先把获取URL和识别蜘蛛的类放在bot.class.php文件里,方便后续实例化这些类!

<?require 'bot.class.php';$userAgent = $_SERVER['HTTP_USER_AGENT'];//获取访问者头部信息,该信息由浏览器发送到服务器,有可能被人为修改。$botname = isbot($userAgent);//判断访问者是不是蜘蛛if($botname) !== NULL){$time = time();$ip = $_SERVER['REMOTE_ADDR'];$url = getCurrentURL();//蜘蛛名称$botname//===========这里你就可以把以上变量存入数据库或者文件,方便后续读取!如果你需要掌握更多信息,可以自己进行完善//===========}?>

注意:以上isbot()类包括了全网最新最全蜘蛛的特征,如果你发现还有别的新的蜘蛛,欢迎留言补充!

原创文章,作者:速盾高防cdn,如若转载,请注明出处:https://www.sudun.com/ask/78037.html

(0)
速盾高防cdn的头像速盾高防cdn
上一篇 2024年5月28日
下一篇 2024年5月28日

相关推荐

  • 如何使用nagios监控服务器状态?

    服务器是互联网行业中最重要的基础设施之一,它们的稳定运行直接影响着网站的访问速度和用户体验。然而,如何有效地监控服务器状态,及时发现并解决可能出现的问题,却是一个让人头疼的问题。今…

    问答 2024年4月5日
    0
  • 如何选择合适的getway产品?

    在当今的网络行业,getway产品已经成为了必不可少的一部分。但是随着市场上getway产品种类越来越多,如何选择合适的产品却变得越来越困难。这时候,您是否也在纠结于如何选择适合自…

    问答 2024年4月20日
    0
  • 什么是egl?-简单易懂的介绍

    你是否听说过EGL?它是什么,有什么作用和功能?在网络行业中,EGL是一个备受关注的技术。它的使用场景广泛,与其他相关技术相比又有何不同呢?让我们一起来揭开这个神秘的面纱,简单易懂…

    问答 2024年4月17日
    0
  • 如何成为一名cf美女教官?

    想要成为一名CF美女教官?那么你必须掌握什么是CF,具备哪些条件,如何提升自己的技术水平以及如何培养自信和领导能力。只有拥有这些,你才能成为一名优秀的教官。接下来,让我们一起来探索…

    问答 2024年4月12日
    0

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注