PHP爬虫类的反爬虫处理方法与策略

class AntiCrawler
{
    /**
     * 检查是否为爬虫访问
     * @param array $userAgent 用户代理数据
     * @return bool
     */
    public static function checkCrawler($userAgent)
    {
        $crawlers = ['Googlebot', 'Bingbot', 'Slurp', 'DuckDuckBot'];
        foreach ($crawlers as $crawler) {
            if (stripos($userAgent, $crawler) !== false) {
                return true;
            }
        }
        return false;
    }
 
    /**
     * 处理爬虫访问
     * @param string $userAgent 用户代理
     * @param string $clientIP 客户端IP地址
     * @param string $referer 页面来源
     * @return bool
     */
    public static function handleCrawler($userAgent, $clientIP, $referer)
    {
        if (self::checkCrawler($userAgent)) {
            // 如果是爬虫，执行相应的处理策略
            // 例如记录日志、限制访问频率、直接返回错误等
            // 这里只是示例，具体策略根据实际需要实现
            error_log("Crawler detected: {$userAgent}, IP: {$clientIP}, Referer: {$referer}");
            return true;
        }
        return false;
    }
}
 
// 使用示例
$userAgent = $_SERVER['HTTP_USER_AGENT'] ?? '';
$clientIP = $_SERVER['REMOTE_ADDR'] ?? '';
$referer = $_SERVER['HTTP_REFERER'] ?? '';
 
if (AntiCrawler::handleCrawler($userAgent, $clientIP, $referer)) {
    // 如果是爬虫，可以选择直接结束脚本或返回错误信息
    exit('Access denied: You are a crawler.');
}
 
// 如果不是爬虫，继续正常的网站访问逻辑

这个简单的示例代码定义了一个AntiCrawler类，用于检测是否有爬虫访问，并根据检测结果记录日志或采取其他反爬虫措施。在实际应用中，你可以根据需要扩展这些策略。