Парсер файла robots.txt, проверка url на запрет
Класс, получающий и разбирающий файл robots.txt:
class robots
{
var $content = ''; # текст файла robots.txt
var $branches = []; # здесь храним ветки для разных User-Agent
# конструктор
# @url: адрес сайта или хост в произвольном формате
function robots($url)
{
# получаем файл robots.txt
$url = preg_replace('#^http://#is', '', trim($url));
$url = current(explode('/', $url));
$this->content = trim(file_get_contents('http://' . $url . '/robots.txt'));
# парсим полученные данные
$s = preg_split('#[\n]+#is', $this->content);
$current_user_agent = '';
foreach($s as $line)
{
$line = trim(current(explode('#', trim($line), 2)));
if (substr_count($line, ':')<1) continue;
$line = explode(':', $line, 2);
$current_directive = strtolower(trim($line[0]));
$current_value = trim($line[1]);
if ($current_directive == 'user-agent')
{
$current_user_agent = $current_value;
}
elseif($current_user_agent!='')
{
$this->branches[$current_user_agent][$current_directive][] = $current_value;
}
}
}
# получить значение заданной директивы для заданного агента
# @user_agent: агент
# @directive: имя директивы
# возвратит FALSE если директива не указана
function get_directive($user_agent, $directive)
{
$user_agent = strtolower($user_agent);
$directive = strtolower($directive);
$ret = [];
foreach($this->branches as $ua_mask=>$data)
{
if (($ua_mask=='*' || $user_agent=='*' || @preg_match('#'.preg_quote($ua_mask,'#').'#is', $user_agent))
&& isset($data[$directive]))
$ret = array_merge($ret, $data[$directive]);
}
if (count($ret)>0) return array_unique($ret);
else return false;
}
# проверить, запрещен ли url к индексации
# @user_agent: агент
# @url: полный url для проверки
# возвратит TRUE если url запрещен
function check_disallow($user_agent, $url)
{
$url = preg_replace('#^http://#is', '', trim($url));
$url = explode('/', $url, 2);
$url = (count($url)>1) ? '/' . $url[1] : '/' . $url[0];
$url = trim($url);
$info = $this->get_directive($user_agent, 'Disallow');
foreach($info as $url_mask)
{
if (preg_match('#^'.preg_quote($url_mask, '#').'#', $url))
{
return true;
}
}
return false;
}
}
.
Прокомментировать/Отблагодарить