HTTP应用：模拟灌水机器人

垃圾评论和灌水机器人一直是各大论坛和博客最头疼的问题，为了解决该问题，我们需要先了解它的产生过程，然后有针对性地进行防御。

1. web浏览器的工作流程

用户在浏览器中输入网址，浏览器与服务器建立连接，发起HTTP请求，请求远程服务器中的URL，服务器接收请求，理解后进行响应，将响应结果返回给浏览器，浏览器解析收到的响应数据，最后呈现给用户。

其实，浏览器就是一个实现了HTTP协议的客户端软件。在浏览器与web服务器交互的过程中，浏览器始终扮演着一个忠实执行者的角色。据此可知，只要遵循HTTP协议和服务器进行交互，就实现了一个最简单的浏览器，只是这个浏览器只提供对数据的收发而不提供解析功能。而对于服务器端而言，无法判断是真正的浏览器还是一个虚拟的浏览器。

2. PHP中与HTTP协议相关的函数

如何发送HTTP请求呢？可以使用代码发送HTTP头，如服务器端的PHP、客户端的Ajax，也可以使用各种抓包工具构造HTTP Request包。

PHP中与HTTP协议相关的函数，主要有几下几种：

get_headers 函数：获取服务器响应一个HTTP请求时的所有标头。通常用此函数请求一个URL，根据其返回的数据判断状态码是否为200，就可以判定所请求的资源是否存在。

file 系列函数：包括fopen、file_get_contents等，可以用来操作文件，也可以请求一个网络上的资源。

stream_* 系列函数：发送请求，包括但不限于HTTP协议。

socket 系列函数：通过socket（套接字）发送和请求数据，包括但不限于HTTP协议。

cURL 扩展库：PHP的一个扩展，这是一个封装的函数库，可以用来模拟浏览器和服务器进行交互，功能比较强大。

header 函数：可用此函数发送原始的HTTP头，需要注意的是，此函数之前不能有任何输出包括空格等。

这里用最简单的方式，即使用 file 系列函数发送HTTP请求。

我们经常用 file_get_contents 函数获取文件的内容，实际上这个函数还可以打开一个网络地址，实现简单的网页抓取。用 file_get_contents 或者 fopen、file、readfile等函数读取URL时，会自动创建一个  $http_response_header 变量，该变量中保存了HTTP响应的报头。使用 fopen 等函数打开的数据流信息还可以用 stream_get_meta_data 获取。

一个简单的HTTＰ协议使用示例：

3. 模拟灌水机器人

上述 file 系列函数，在 PHP5 中新增了 context 参数，使得它们更加灵活，通过该参数可以定制 HTTP 请求，甚至POST数据。下面我们就利用 file_get_contents 函数发送请求，模拟一个灌水机器人向一个博客页面发送评论。

首先，打开某博客页面，查看评论表单所需的字段和表单的提交方式，假设所需字段只有一个 comment，表单采用的是 POST 方式提交。

然后，新建一个robot.php文件，用代码构建一个 HTTP 请求，代码如下：

最后，运行 robot.php 文件即可。

如果是简单的页面抓取或数据提交，可以考虑使用 file_get_contents 函数，较为复杂的情况则需要使用cURL。但它们的本质都是一样的，都需要用到HTTP协议。

4. 使用抓包工具构造和提交HTTP请求

这里以  Fiddler 抓包软件为例。

打开 Fiddler，然后在浏览器中打开要进行评论的博客，输入评论后提交表单，用 Fiddler 工具，获取到提交评论时的原始请求数据，进行复制。然后，清空 Fiddler 左侧面板中的所有请求记录，点击 Fiddler 右侧面板的 Composer 按钮，再点击 Raw 按钮，将刚刚复制的原始请求数据粘贴到 Raw 下方的编辑框，可对原始请求数据进行更改，构造自己的 HTTP 请求。最后，点击最右侧的 Execute 按钮，就可以提交 HTTP 请求了。

5. 如何预防灌水机器人

预防灌水机器人的方法，主要有以下几种：

• IP限制。其原理在于IP难以伪造，即使是拨号用户，虽然IP可变，但有了IP限制后，就加大了灌水机器人的攻击难度。
• 验证码。用户提交评论时，要求其必须输入验证码方可提交，还可适当地加大验证码的识别难度。
• Token法。在表单中加一个隐藏的Token字段，Token的值可变，每次提交表单时，服务器都对Token的值进行校验。
• 审核机制。所有的评论都需要网站管理员审核后，方可显示，这在一方面加大了管理人员的工作量，但却在理论上可以完全阻止垃圾评论，这是最无奈也是最有效的方法。