php爬虫检测

Question

我正在尝试编写一个 sitemap.php，它的行为取决于谁正在查看。

我想将爬虫重定向到我的 sitemap.xml，因为这将是最新的页面，并将包含他们需要的所有信息，但我希望我的常规读者能够在 php 页面上显示 html 站点地图。

这一切都将在 php header 中进行控制，我发现 this code在网络上，从外观上看应该可以工作，但事实并非如此。谁能帮我解决这个问题吗？

function getIsCrawler($userAgent) {
    $crawlers = 'firefox|Google|msnbot|Rambler|Yahoo|AbachoBOT|accoona|' .
    'AcioRobot|ASPSeek|CocoCrawler|Dumbot|FAST-WebCrawler|' .
    'GeonaBot|Gigabot|Lycos|MSRBOT|Scooter|AltaVista|IDBot|eStyle|Scrubby';
    $isCrawler = (preg_match("/$crawlers/i", $userAgent) > 0);
    return $isCrawler;
}

$iscrawler = getIsCrawler($_SERVER['HTTP_USER_AGENT']);

if ($isCrawler) {
    header('Location: http://www.website.com/sitemap.xml');
    exit;
} else {
    echo "not crawler!";
}

它看起来很简单，但正如你所看到的，我已将 Firefox 添加到代理列表中，并且果然我没有被重定向..

感谢您的帮助:)

Answer 1

您的代码中有一个错误:

$crawler = getIsCrawler($_SERVER['HTTP_USER_AGENT']);

应该是

$isCrawler = getIsCrawler($_SERVER['HTTP_USER_AGENT']);

如果您在开发时注意了通知，您将更容易发现这些错误。

此外，您可能希望在 header 之后退出

警告:隐藏内容可能会给您带来搜索提供商的麻烦。 This article解释原因。