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

Like (0)
速盾高防cdn的头像速盾高防cdn
Previous 2024年5月28日
Next 2024年5月28日

相关推荐

  • 如何学习c语言程序?

    想要在网络行业有所建树,学习C语言程序是必不可少的一环。但是对于许多人来说,C语言程序似乎是一个高不可攀的存在。那么什么是C语言程序?它又有哪些基础知识?如何才能轻松掌握它呢?本文…

    问答 2024年4月10日
    0
  • 如何防范飞客蠕虫攻击?

    近年来,互联网的快速发展带来了无数便利,但同时也伴随着网络安全问题的日益严重。其中,飞客蠕虫攻击作为一种常见的网络安全威胁,给用户和企业带来了巨大的损失。那么,如何防范这种恶意攻击…

    问答 2024年4月9日
    0
  • 277dcv-008是什么?

    今天我要给大家介绍的是网络行业中备受关注的一个标题——“277dcv-008是什么?”这个标题一定让你心生好奇,不知道这个神秘的数字和字母组合到底代表着什么。是一种新的技术吗?还是…

    问答 2024年4月2日
    0
  • 如何设置个人中心?

    想必大家在使用网络时都会遇到这样的问题,那就是如何设置个人中心?或许有些人还不知道什么是个人中心,为什么要设置它,它又有哪些功能?别担心,接下来我将为大家一一解答。通过本文,你将学…

    问答 2024年3月29日
    0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注