blockbot/blockbot.php

   1 <?php
   2 /**
   3  * Name: blockbot
   4  * Description: Blocking bots based on detecting bots/crawlers/spiders via the user agent and http_from header.
   5  * Version: 0.2
   6  * Author: Philipp Holzer <admin@philipp.info>
   7  * Author: Michael Vogel <https://pirati.ca/profile/heluecht>
   8  *
   9  */
  10
  11 use Friendica\App;
  12 use Friendica\Core\Config;
  13 use Friendica\Core\Hook;
  14 use Friendica\Core\System;
  15 use Jaybizzle\CrawlerDetect\CrawlerDetect;
  16 use Friendica\Core\Logger;
  17 use Friendica\Core\Renderer;
  18 use Friendica\Core\L10n;
  19
  20 require_once __DIR__ . DIRECTORY_SEPARATOR . 'vendor' . DIRECTORY_SEPARATOR . 'autoload.php';
  21
  22 function blockbot_install() {
  23         Hook::register('init_1', __FILE__, 'blockbot_init_1');
  24 }
  25
  26
  27 function blockbot_uninstall() {
  28         Hook::unregister('init_1', __FILE__, 'blockbot_init_1');
  29 }
  30
  31 function blockbot_addon_admin(&$a, &$o) {
  32         $t = Renderer::getMarkupTemplate("admin.tpl", "addon/blockbot/");
  33
  34         $o = Renderer::replaceMacros($t, [
  35                 '$submit' => L10n::t('Save Settings'),
  36                 '$training' => ['training', L10n::t('Training mode'), Config::get('blockbot', 'training'), "Activates the training mode. This is only meant for developing purposes. Don't activate this on a production machine."],
  37                 '$block_gab' => ['block_gab', L10n::t('Block GabSocial'), Config::get('blockbot', 'block_gab'), 'Block the software GabSocial. This will block every access for that software. You can block dedicated gab instances in the blocklist settings in the admin section.'],
  38         ]);
  39 }
  40
  41 function blockbot_addon_admin_post(&$a) {
  42         Config::set('blockbot', 'training', $_POST['training'] ?? false);
  43         Config::set('blockbot', 'block_gab', $_POST['block_gab'] ?? false);
  44         info(L10n::t('Settings updated.'). EOL);
  45 }
  46
  47 function blockbot_init_1(App $a) {
  48         if (empty($_SERVER['HTTP_USER_AGENT'])) {
  49                 return;
  50         }
  51
  52         $logdata = ['agent' => $_SERVER['HTTP_USER_AGENT'], 'uri' => $_SERVER['REQUEST_URI']];
  53
  54         // List of known crawlers.
  55         $agents = ['SemrushBot', 's~feedly-nikon3', 'Qwantify/Bleriot/', 'ltx71', 'Sogou web spider/',
  56                 'Diffbot/', 'Twitterbot/', 'YisouSpider', 'evc-batch/', 'LivelapBot/', 'TrendsmapResolver/',
  57                 'PaperLiBot/', 'Nuzzel', 'um-LN/', 'Google Favicon', 'Datanyze', 'BLEXBot/', '360Spider',
  58                 'adscanner/', 'HeadlessChrome', 'wpif', 'startmebot/', 'Googlebot/', 'Applebot/',
  59                 'facebookexternalhit/', 'GoogleImageProxy', 'bingbot/', 'heritrix/', 'ldspider',
  60                 'AwarioRssBot/', 'Zabbix', 'TweetmemeBot/', 'dcrawl/', 'PhantomJS/', 'Googlebot-Image/',
  61                 'CrowdTanglebot/', 'Mediapartners-Google', 'Baiduspider/', 'datagnionbot',
  62                 'MegaIndex.ru/', 'SMUrlExpander', 'Hatena-Favicon/', 'Wappalyzer', 'FlipboardProxy/',
  63                 'NetcraftSurveyAgent/', 'Dataprovider.com', 'SMTBot/', 'Nimbostratus-Bot/',
  64                 'DuckDuckGo-Favicons-Bot/', 'IndieWebCards/', 'proximic', 'netEstate NE Crawler',
  65                 'AhrefsBot/', 'YandexBot/', 'Exabot/', 'Mediumbot-MetaTagFetcher/', 'WhatsApp/',
  66                 'TelegramBot', 'SurdotlyBot/', 'BingPreview/', 'SabsimBot/', 'CCBot/', 'WbSrch/',
  67                 'DuckDuckBot-Https/', 'HTTP Banner Detection', 'YandexImages/', 'archive.org_bot',
  68                 'ArchiveTeam ArchiveBot/', 'yacybot', 'https://developers.google.com/+/web/snippet/',
  69                 'Scrapy/', 'github-camo', 'MJ12bot/', 'DotBot/', 'Pinterestbot/', 'Jooblebot/',
  70                 'Cliqzbot/', 'YaK/', 'Mediatoolkitbot', 'Snacktory', 'FunWebProducts', 'oBot/',
  71                 '7Siters/', 'KOCMOHABT', 'Google-SearchByImage'];
  72
  73         if (Config::get('blockbot', 'block_gab')) {
  74                 $agents[] = 'GabSocial/';
  75         }
  76
  77         foreach ($agents as $agent) {
  78                 if (stristr($_SERVER['HTTP_USER_AGENT'], $agent)) {
  79                         System::httpExit(403, 'Bots are not allowed');
  80                 }
  81         }
  82
  83         // This switch here is only meant for developers who want to add more bots to the list above, it is not safe for production.
  84         if (!Config::get('blockbot', 'training')) {
  85                 return;
  86         }
  87
  88         $crawlerDetect = new CrawlerDetect();
  89
  90         if (!$crawlerDetect->isCrawler()) {
  91                 logger::debug('Good user agent detected', $logdata);
  92                 return;
  93         }
  94
  95         // List of false positives' strings of known "good" agents.
  96         $agents = ['fediverse.network crawler', 'Active_Pods_CheckBot_3.0', 'Social-Relay/',
  97                 'curl', 'zgrab', 'Go-http-client', 'curb', 'github.com', 'reqwest', 'Feedly/',
  98                 'Python-urllib/', 'Liferea/', 'aiohttp/', 'WordPress.com Reader', 'hackney/',
  99                 'Faraday v', 'okhttp', 'UniversalFeedParser', 'PixelFedBot', 'python-requests',
 100                 'WordPress/', 'http.rb/', 'Apache-HttpClient/', 'WordPress.com;', 'Pleroma',
 101                 'Dispatch/', 'Ruby', 'Uptimebot/', 'Java/', 'libwww-perl/', 'Mastodon/',
 102                 'lua-resty-http/', 'Test Certificate Info'];
 103
 104         foreach ($agents as $agent) {
 105                 if (stristr($_SERVER['HTTP_USER_AGENT'], $agent)) {
 106                         logger::notice('False positive', $logdata);
 107                         return;
 108                 }
 109         }
 110
 111         logger::info('Blocked bot', $logdata);
 112         System::httpExit(403, 'Bots are not allowed');
 113 }