Question

我有一个网站项目，可以计算某些页面的视图。我将这些视图存储为IP地址和日期，所以我知道当用户在该页面上多次点击时，它只计算一次。

问题是我也想要从计数中消除搜索机器人作为真实用户，当他们访问我的网站时。

我通常通过将IP转换为真实来在其他网站上执行此操作地址，并将字符串与'google'等进行比较

但转换成真实地址有时需要3-4秒这让我的网站变慢了。

我该如何解决这个问题？

更新

我研究了更多，我想出了这个简单的解决方案（基于你的答案）

$global_bots = array("bot", "slurp", "spider", "crawl", "archiver", "facebook");

//上面的这个变量放在我的全局设置文件中，该文件包含在我的所有文件中

$user_agent = $_SERVER['HTTP_USER_AGENT'];

$bot_count = 0;
do{
    $pos = stripos($user_agent, $global_bots[$bot_count]);
    $bot_count++;
}while($pos===false && ( $bot_count < count($global_bots) ) );

if($pos!==false){
   //check if user already clicked today on this page, else record his ip
}else{
   //don't record it, it's mostly a BOT
}

如果您对此有任何其他更新，比如机器人中的字符串，随时快速回答。

感谢。

Answer 1

不是＆＃34;转换＆＃34; （在涉及数学的意义上）：它是对外部数据库（DNS服务器）的查找。您应该使用与任何其他外部服务查找中相同的规则：

存储您获得的结果，这样您就不必再次查询。
延迟任务，可能延迟到命令行cron作业（访客统计通常不需要实时处理）。

一旦你知道这一点，我的谦虚建议就是你不要这样做：

您打算如何编制和维护一个像样的数据库？那里必须有一百万个爬虫。
您认为抓取工具始终在具有公共IP地址的专用服务器上运行，但事实并非如此。

区分机器人的通常（非排他性）方法是：

用户代理字符串
能够运行JavaScript

您可以借用用户代理数据库（甚至是用户代理检测库）。

Answer 2

表现良好的僵尸程序将首先请求/robots.txt路径，而人类通常不会请求它。因此，您可以通过查找首先请求此路径的用户代理来识别机器人。

将IP转换为ADDRESS需要花费太多时间

2 个答案: