一直挺好奇的， Google 是如何抓取隐藏内容的？

[coolcatha]

有些论坛的内容是需要回复，或者支付一定的论坛的什么积分才能看到。但是在 Google 直接搜索这些隐藏的内容，发现 Google 已经收录了隐藏的内容，很好奇 Google 是怎么做到的。

难道是这些论坛框架有某些漏洞，通过其他入口可以直接查看隐藏内容吗

[itskingname]

有些论坛使用的这种隐藏内容的方式叫做 Paywall，中文名叫做付费墙。但是内容实际上已经在源代码里面了，只是用 js 把内容隐藏起来了而已。Google 可以绕过部分简陋的付费墙，

[AngryPanda]

不负责任猜想：有权限的用户使用了 chrome 浏览器

[littlelooloo]

你看到的是前段，google 的蜘蛛抓得是后端

[shuax]

有可能是还没设置权限就被抓了。

[docx]

已知的两种可能：
1. 在源码里，假隐藏，打开 F12 找找
2. 针对 Google Bot 开放检索权限

[docx]

补充一条
3. 还没设置权限时已被抓取

[superrichman]

可能做了 seo 优化，也可能就是漏洞

[westoy]

网站针对性 SEO 的概率大一点， 面对 google bot 的 UA 和 IP 段放开吐数据

[ruixue]

大概率是针对 Google 做了 SEO，允许 Googlebot 爬
很多新闻网站的付费墙，不光允许 Googlebot 爬，从 Google 搜索结果点击进去就可以阅读全文，而手动访问则会触发付费墙要求登录订阅
甚至 v2 目前用的 Cloudflare 的五秒盾，从 Google 搜索结果中点进来就不会触发，虽然部分资源无法加载但是不影响文字内容的获取

[coolcatha]

@itskingname
@dzyou2007

我测试了一个这样的网站，请求隐藏内容的时候，带上我的 cookie，购买后的才能看到，没有购买的就看不到。因此应该不是在前端简单隐藏了。


@ruixue 我感觉大概率是这样的。但是网站如何判断是 Google 爬虫呢？除非是主动提交内容，否则服务器很难查看是不是 Google 的爬虫吧。

[docx]

User-Agent 携带了 Google Bot 信息，判断很容易
@coolcatha

[coolcatha]

@dzyou2007 这个太容易伪造了，除了 Google bot 的 IP 其他的都能伪造呀

[silymore]

@AngryPanda 记得 360 浏览器这么干过

[coolcatha]

@AngryPanda
@silymore

Google 不至于吧，早就大新闻了

[morethansean]

@coolcatha #12
https://developers.google.com/search/docs/advanced/crawling/verifying-googlebot

[coolcatha]

@morethansean 非常感谢。如果是这样，我也没办法去验证了

[ruixue]

@coolcatha 通过 ip 段来判断是不是来自 Googlebot 的访问请求

很多 GeoDNS 都用了这些 ip 库，可以针对各个搜索引擎的 Bot 返回单独的解析结果

[billlee]

@coolcatha #12 //developers.google.com/search/docs/advanced/crawling/verifying-googlebot?hl=zh-cn

[ESP]

这里还真涉及到 discuz 的两个漏洞

[coolcatha]

@ESP 能详细说说吗？或者给个关键词哈