PHP判断搜索引擎蜘蛛还是普通用户的访问

PHP/Apache/Nginx

来自:
https://www.jb51.net/article/72211.htm

1、推荐的一种方法:php判断搜索引擎蜘蛛爬虫还是人为访问代码,摘自Discuz x3.2

<?php

function checkrobot($useragent=''){

    static $kw_spiders = array('bot', 'crawl', 'spider' ,'slurp', 'sohu-search', 'lycos', 'robozilla');

    static $kw_browsers = array('msie', 'netscape', 'opera', 'konqueror', 'mozilla');

    $useragent = strtolower(empty($useragent) ? $_SERVER['HTTP_USER_AGENT'] : $useragent);

    if(strpos($useragent, 'http://') === false && dstrpos($useragent, $kw_browsers)) return false;

    if(dstrpos($useragent, $kw_spiders)) return true;

    return false;

}

function dstrpos($string, $arr, $returnvalue = false) {

    if(empty($string)) return false;

    foreach((array)$arr as $v) {

        if(strpos($string, $v) !== false) {

            $return = $returnvalue ? $v : true;

            return $return;

        }

    }

    return false;

}

if(checkrobot()){

    echo '机器人爬虫';

}else{

    echo '人';

}

?>

实际应用中可以这样判断,直接不是搜索引擎才执行操作

<?php

if(!checkrobot()){

//do something

}

?>

2、第二种方法:

使用PHP实现蜘蛛访问日志统计

$useragent = addslashes(strtolower($_SERVER['HTTP_USER_AGENT']));

 if (strpos($useragent, 'googlebot')!== false){$bot = 'Google';}

 elseif (strpos($useragent,'mediapartners-google') !== false){$bot = 'Google Adsense';}

 elseif (strpos($useragent,'baiduspider') !== false){$bot = 'Baidu';}

 elseif (strpos($useragent,'sogou spider') !== false){$bot = 'Sogou';}

 elseif (strpos($useragent,'sogou web') !== false){$bot = 'Sogou web';}

 elseif (strpos($useragent,'sosospider') !== false){$bot = 'SOSO';}

 elseif (strpos($useragent,'360spider') !== false){$bot = '360Spider';}

 elseif (strpos($useragent,'yahoo') !== false){$bot = 'Yahoo';}

 elseif (strpos($useragent,'msn') !== false){$bot = 'MSN';}

 elseif (strpos($useragent,'msnbot') !== false){$bot = 'msnbot';}

 elseif (strpos($useragent,'sohu') !== false){$bot = 'Sohu';}

 elseif (strpos($useragent,'yodaoBot') !== false){$bot = 'Yodao';}

 elseif (strpos($useragent,'twiceler') !== false){$bot = 'Twiceler';}

 elseif (strpos($useragent,'ia_archiver') !== false){$bot = 'Alexa_';}

 elseif (strpos($useragent,'iaarchiver') !== false){$bot = 'Alexa';}

 elseif (strpos($useragent,'slurp') !== false){$bot = '雅虎';}

 elseif (strpos($useragent,'bot') !== false){$bot = '其它蜘蛛';}

 if(isset($bot)){

   $fp = @fopen('bot.txt','a');

   fwrite($fp,date('Y-m-d H:i:s')."\t".$_SERVER["REMOTE_ADDR"]."\t".$bot."\t".'http://'.$_SERVER['SERVER_NAME'].$_SERVER["REQUEST_URI"]."\r\n");

   fclose($fp);

 }

第三种方法:

我们可以通过HTTP_USER_AGENT来判断是否是蜘蛛,搜索引擎的蜘蛛都有自己的独特标志,下面列取了一部分。

function is_crawler() {

  $userAgent = strtolower($_SERVER['HTTP_USER_AGENT']);

  $spiders = array(

    'Googlebot', // Google 爬虫

    'Baiduspider', // 百度爬虫

    'Yahoo! Slurp', // 雅虎爬虫

    'YodaoBot', // 有道爬虫

    'msnbot' // Bing爬虫

    // 更多爬虫关键字

  );

  foreach ($spiders as $spider) {

    $spider = strtolower($spider);

    if (strpos($userAgent, $spider) !== false) {

      return true;

    }

  }

  return false;

}

下面的php代码附带了更多的蜘蛛标识

function isCrawler() {

    echo $agent= strtolower($_SERVER['HTTP_USER_AGENT']);

    if (!empty($agent)) {

        $spiderSite= array(

            "TencentTraveler",

            "Baiduspider+",

            "BaiduGame",

            "Googlebot",

            "msnbot",

            "Sosospider+",

            "Sogou web spider",

            "ia_archiver",

            "Yahoo! Slurp",

            "YoudaoBot",

            "Yahoo Slurp",

            "MSNBot",

            "Java (Often spam bot)",

            "BaiDuSpider",

            "Voila",

            "Yandex bot",

            "BSpider",

            "twiceler",

            "Sogou Spider",

            "Speedy Spider",

            "Google AdSense",

            "Heritrix",

            "Python-urllib",

            "Alexa (IA Archiver)",

            "Ask",

            "Exabot",

            "Custo",

            "OutfoxBot/YodaoBot",

            "yacy",

            "SurveyBot",

            "legs",

            "lwp-trivial",

            "Nutch",

            "StackRambler",

            "The web archive (IA Archiver)",

            "Perl tool",

            "MJ12bot",

            "Netcraft",

            "MSIECrawler",

            "WGet tools",

            "larbin",

            "Fish search",

        );

        foreach($spiderSite as $val) {

            $str = strtolower($val);

            if (strpos($agent, $str) !== false) {

                return true;

            }

        }

    } else {

        return false;

    }

}

if (isCrawler()){

    echo "你好蜘蛛精!";

}

else{

   echo "你不是蜘蛛精啊!";

}

第四种方法:

<?php

$flag = false;

$tmp = $_SERVER['HTTP_USER_AGENT'];

if(strpos($tmp, 'Googlebot') !== false){

  $flag = true;

} else if(strpos($tmp, 'Baiduspider') >0){

  $flag = true;

} else if(strpos($tmp, 'Yahoo! Slurp') !== false){

  $flag = true;

} else if(strpos($tmp, 'msnbot') !== false){

  $flag = true;

} else if(strpos($tmp, 'Sosospider') !== false){

  $flag = true;

} else if(strpos($tmp, 'YodaoBot') !== false || strpos($tmp, 'OutfoxBot') !== false){

  $flag = true;

} else if(strpos($tmp, 'Sogou web spider') !== false || strpos($tmp, 'Sogou Orion spider') !== false){

  $flag = true;

} else if(strpos($tmp, 'fast-webcrawler') !== false){

  $flag = true;

} else if(strpos($tmp, 'Gaisbot') !== false){

  $flag = true;

} else if(strpos($tmp, 'ia_archiver') !== false){

  $flag = true;

} else if(strpos($tmp, 'altavista') !== false){

  $flag = true;

} else if(strpos($tmp, 'lycos_spider') !== false){

  $flag = true;

} else if(strpos($tmp, 'Inktomi slurp') !== false){

  $flag = true;

}

if($flag == false){

  header("Location: //www.jb51.net" . $_SERVER['REQUEST_URI']);

  // 自动转到//www.jb51.net 对应的网页

  // $_SERVER['REQUEST_URI'] 为域名后面的路径

  // 或换成header("Location: //www.jb51.net/abc/d.php");

  exit();

}

?>