WordPress防火车头采集插件，输出”请勿采集本网站“提示
为了警告采集者，您可以考虑创建一个 WordPress 插件，来检测客户端访问网站时使用的 User-Agent 来判断是否是火车头采集软件在采集您的网站。如果是火车头采集软件，就可以输出您指定的内容（例如："请勿采集"）。
这是一个简单的例子，您可以使用这个作为参考来实现自己的插件：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
<?php /** * Plugin Name: TrainCrawler Blocker * Description: Block TrainCrawler from accessing your site. */ function block_train_crawler() { if (strpos($_SERVER['HTTP_USER_AGENT'], 'TrainCrawler') !== false) { echo '请勿采集本网站'; exit; } } add_action('init', 'block_train_crawler'); |
这些代码需要放在文件的开头, 头部信息是由三个 PHP 注释指令组成, 其中 “Plugin Name”是插件名称，“Description”是插件描述.
要使用上面的代码, 您需要做以下步骤:
- 创建一个新文件，命名为
traincrawler-blocker.php或其他任何名称 - 把上面我提供的代码复制到这个新文件中
- 上传这个文件到您网站的
wp-content/plugins/目录 - 登录到您的 WordPress 后台，点击 "插件"，在页面中找到 "traincrawler-blocker" 插件，点击 "启用"
这样就可以在网站初始化时检测访问的 User-Agent 是否是火车头采集软件, 如果是的话就会输出 "请勿采集本网站" 并终止脚本执行.
请记住，上面的代码只是示例, 您可以根据自己的需要来修改它, 比如, 您可以使用更复杂的判断条件来确定是否是火车头采集软件, 或者, 您可以更换输出的信息来更好地警告采集者.
如果您使用了上面的代码但是没有正确地阻止火车头采集软件，这可能是因为火车头采集软件使用的 User-Agent 与代码中的判断条件不匹配。
可能是火车头采集软件的版本过新，已经更改了User-Agent的信息，或者是代码中的字符串 'TrainCrawler' 没有准确地匹配火车头采集软件的 User-Agent 。
您可以使用开发工具如chrome的开发者工具或者其他的方式来查看火车头采集软件的 User-Agent 是什么，并确保与代码中的判断条件相匹配。
另外，您可以使用更复杂的判断条件来确定是否是火车头采集软件。 比如说判断IP，某些采集软件常使用固定的IP来采集，这些IP可以通过观察或者黑名单的方式来判断。
如果火车头采集软件使用的 User-Agent 是 "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/7.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)" , 您可以修改上面我提供的代码来判断这个 User-Agent 。
可以更改上面的代码，把'TrainCrawler'替换成 上面的UA。
如果您修改了 User-Agent 后仍然无法阻止火车头采集软件并且没有看到 "请勿采集本网站" 的提示，那么可能有以下几种情况:
- 您的代码没有成功添加到插件文件或者被放在了错误的位置，这可能导致代码不会执行。
- 火车头采集软件使用了代理服务器来改变它的 User-Agent，这样就不会匹配到你的插件代码里的User-Agent了
- 火车头采集软件会检测是否有阻止采集的机制，如果有的话就会忽略这些机制，所以不能保证你的插件一定能阻止采集。
对于火车头采集软件使用多种不同的 User-Agent 的情况，您可以修改插件来应对这种情况。
一种方法是，替换单一的 User-Agent 判断条件为一组判断条件。例如可以使用一个数组来存储火车头采集软件常用的 User-Agent, 然后使用循环结构来遍历这个数组并在每次循环中进行比较。
下面是一个简单的例子：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
function block_train_crawler() { $traincrawler_uas = array( 'TrainCrawler', 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/7.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)', 'Another TrainCrawler UA' ); foreach ($traincrawler_uas as $ua) { if (strpos($_SERVER['HTTP_USER_AGENT'], $ua) !== false) { echo '请勿采集本网站'; exit; } } } add_action('init', 'block_train_crawler'); |
这个示例中，我们把 'TrainCrawler' 和 一个新的 User-Agent 添加到了 $traincrawler_uas 数组里。在代码执行之后，如果任意一种 User-Agent 与访问者的 User-Agent 匹配，程序就会输出 “请勿采集本网站” 并终止脚本执行。
火车头采集软件可能使用的 User-Agent 数量是不可知的，因为可能有很多种火车头采集软件或者不同版本的火车头采集软件。每一种都可能使用不同的 User-Agent，所以不能保证你插件能检测到所有类型的火车头采集软件。
关于要应用所有User-Agent，你可以尝试做一下几点:
- 尝试使用网上所提供的火车头采集软件 User-Agent 的列表，将其添加到插件中。
- 尝试抓取网站的 access log,然后分析 user-agent 信息,根据采集次数来筛选可能的 user-agent 信息来更新插件。
- 使用更复杂的判断条件来确定是否是火车头采集软件，比如说判断IP，某些采集软件常使用固定的IP来采集，这些IP可以通过观察或者黑名单的方式来判断。
在不影响正常用户访问网站的情况下完全阻止火车头使用任何 User-Agent 采集是不可能的。
火车头采集软件可以使用伪装身份来绕过防护机制，并使用多种 User-Agent 来绕过限制。所以，如果你想要完全阻止火车头采集软件，那么必须对正常用户的访问产生影响。
另外防护机制也可能会被火车头采集软件绕过，通过代理、IP隐藏等手段来继续采集。
所以建议的做法是使用验证码或者加密机制来防止采集。
综上所述,阻止火车头采集软件的能力非常有限，更好的方法是使用验证码或者防护机制来阻止采集, 同时还要注意法律。
再次强调，这样做只能是辅助手段，并不能百分之百避免采集，还是不能代替有效的内容保护措施，如使用 robots.txt，但是也不能做有害于其他人的事，同时还请注意不要违反法律。
1. 带 [亲测] 说明源码已经被站长亲测过!
2. 下载后的源码请在24小时内删除,仅供学习用途！
3. 分享目的仅供大家学习和交流，请不要用于商业用途！
4. 本站资源售价只是赞助，收取费用仅维持本站的日常运营所需！
5. 本站所有资源来源于站长上传和网络，如有侵权请邮件联系站长！
6. 没带 [亲测] 代表站长时间紧促,站长会保持每天更新 [亲测] 源码 !
7. 盗版ripro用户购买ripro美化无担保,若设置不成功/不生效我们不支持退款!
8. 本站提供的源码、模板、插件等等其他资源，都不包含技术服务请大家谅解！
9. 如果你也有好源码或者教程，可以到审核区发布，分享有金币奖励和额外收入!
10.如果您购买了某个产品，而我们还没来得及更新，请联系站长或留言催更，谢谢理解 !
GG资源网 » WordPress防火车头采集插件，输出”请勿采集本网站“提示
