浅谈HTTP Referer与网站流量来路统计

　　在网站的统计数据中有对网站流量来路的统计，这些数据到底是怎么来的呢？这就要从浏览器如何访问一个网址说起了，简单点来说，当我们通过输入网址或者其他途径（点击网页中链接、地址收藏栏等）访问某个网址的时候，浏览器会向网页所在的web服务器发送http请求，web服务器在接受到请求后做相应的处理，并返回处理结果给客户端浏览器，如果一切正常的话，客户端（浏览器）就可以看到最终的网页效果了。

　　在客户端（浏览器）向web服务器发送请求（HTTP Request）的过程中会发送一些信息，这些信息叫做HTTP Header，web服务器会对HTTP Request做出回应，回应的消息叫做Response Header。流量统计中的网站来路和HTTP Header有关，在HTTP Header中可以包含HTTP Referer，在向服务器请求网页数据的时候服务器通过Referer就知道当前是从哪个网页过来的了，用PHP和ASP我们也可以很容易的获取到Referer信息。

　　接下来我们通过wireshark抓取下数据包来验证一下，下面是直接在浏览器中输入知蚁博客的url地址进行访问的时候发送给web服务器的HTTP Header，这里没有Referer信息，因此也就无法进行来路的判断。

GET / HTTP/1.1
Host: www.letuknowit.com
User-Agent: Mozilla/5.0 (Windows NT 5.1; rv:2.0) Gecko/20100101 Firefox/4.0
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Language: zh-cn,zh;q=0.5
Accept-Encoding: gzip, deflate
Accept-Charset: GB2312,utf-8;q=0.7,*;q=0.7
Keep-Alive: 115
Connection: keep-alive
Cookie: AJSTAT_ok_times=19;

　　这个是在卢松松的留言板中打开知蚁博客的时候发送给web服务器的HTTP Header，下面的红色部分就是Referer了，根据这个信息流量统计代码就能够知道这个流量是来自于卢松松的留言板，也就可以进行来路的评定了。

GET / HTTP/1.1
Host: www.letuknowit.com
User-Agent: Mozilla/5.0 (Windows NT 5.1; rv:2.0) Gecko/20100101 Firefox/4.0
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Language: zh-cn,zh;q=0.5
Accept-Encoding: gzip, deflate
Accept-Charset: GB2312,utf-8;q=0.7,*;q=0.7
Keep-Alive: 115
Connection: keep-alive
Referer: http://www.lusongsong.com/guestbook/
Cookie:AJSTAT_ok_times=19;

　　来路统计并不一定准确，完全可以通过程序进行来路的伪造，不知道大家有没有被别人刷站的经历，知蚁博客在刚刚建立不久就经历过一次，当时查看访问数据的时候小高兴了一把，访问量飙升啊，但是仔细看看来路后我郁闷了，全部是来自于sogou的关于【xx宝】关键字的，相当的恶心啊！

　　这是一个很典型的伪造来路的例子，打开来路地址，其中根本就没我们的网站链接。遇到这种情况，封IP基本上是搞不定的，因为每个流量的来路虽然一样，但是IP地址都不一样，其实知道了原理之后这个问题也好解决，对所有来路进行检测，当检测到特定来路的时候直接返回或者跳转到其他地址。

　　不过，这样做只能是让其无法打开我们的网页而已，实际其和web服务器的交互已经全部完成，并且从web服务器返回了网页html代码，我们只是在网页显示之前进行处理，其实就是相当于在网页开头写上一句重定向的代码，这样统计数据中就不会有这些来路了。最好的办法还是在web服务器端进行配置来限制特定的来路。
原创文章请注明转载于知蚁博客，本文地址：http://www.letuknowit.com/archives/79

相关文章