多语言网站和机器人检测

Posted 2023-03-13

【中文标题】多语言网站和机器人检测

【英文标题】：Multilingual website and bot detection

【发布时间】：2017-01-31 08:42:28

【问题描述】：

我有一个实现多语言的网站。

我按子域划分我的语言。

fr-fr.mywebsite.com
es-es.mywebsite.com
www.mywebsite.com // root domain => neutral language for bots

在子域上，如果没有设置语言 cookie，我使用子域作为语言代码。

在主域 (www) 上，如果未设置语言 cookie，则：

如果是机器人，我会使用中性语言 如果不是机器人，我会使用“accept-language”标头检测用户语言。

如何安全检测是否是机器人？我阅读了有关此事的旧主题，但人们只是使用“接受语言”，因为机器人没有发送此标头，但是，迄今为止，谷歌发送此标头...

检测它是不是机器人更安全，还是反过来检测它是否是网络浏览器更安全？ 因为如果未检测到机器人，则会以错误的语言对网站进行索引。

想法？

【问题讨论】：

为什么不使用语言注释？这样，机器人将找到备用语言页面

我也使用它们。但是主域必须自动检测用户语言:)

嗨@Ndrou，我仍然不明白为什么您需要查找用户是否是机器人，如果请求具有有效的“接受语言”标头，您可以将其发送到正确的语言站点，如果不是，则到您的主要或默认语言站点，如果是机器人，他将能够使用语言注释找到所有替代语言并对其进行索引

【参考方案1】：

假设您使用的是 php，您可以请求 HTTP_USER_AGENT 并查看用户代理是否为“googlebot”。

if(strstr(strtolower($_SERVER['HTTP_USER_AGENT']), "googlebot"))

    // what to do

这是一个问题的链接（以及我从中提取的示例）。

how to detect search engine bots with php?

【讨论】：

是的，但不仅有googlebot，还有很多bot，yahoo、bing、yandex等……如何确保不忘记一个？

您可以添加所有这些机器人名称，只需 google 并查找机器人名称。您还可以添加一个日志，只记录HTTP_USER_AGENT 的值，然后对列表进行排序以查看是否弹出了类似机器人的名称。所有知名的搜索引擎和合法的都会命名他们的机器人。