从2015年百度站长的一则公告回头看百度的骚操作

背景

百度曾公告于2015年6月25日正式取消Referer中关于关键词的显示。

1.什么是Referer？有什么作用？

Referer请求头包含浏览器进入到当前页时前一页的地址（如果存在），用于在当前请求中体现前一页的信息。Referer标头允许服务器识别人们访问它们的位置，并可以使用该数据进行分析，记录或优化缓存。

Referer请求头由浏览器自动添加
Referer无形中提供了很多功能：防盗链、站点优化；同时也衍生了一些安全和隐私性问题

https://developer.mozilla.org/en-US/docs/Web/Security/Referer_header:_privacy_and_security_concerns

2.为什么要取消Referer中关键词的显示？

根据Referer的作用，按照常规做法，在我们从百度关键词搜索结果页面A 进入某站点目标页B，进入B页面的Referer请求头包含页面A地址。

该请求存在被运营商劫持、DNS劫持、广告劫持的风险：网络传输链路节点能从Referer中轻松拿到用户的百度关键词信息，是一个较大的隐私风险。

不是说百度完成全站HTTPS化吗？怎么还会有DNS劫持，请注意，是百度全站完成HTTPS化，并不是目标站点完成HTTPS，该请求可能还是一个HTTP请求。

百度在完成全站HTTPS化后决心在隐私性上更进一步，因此宣布全面取消Referer关键词显示。

3. Referer的变化对生态链各方造成了什么影响？

BAT形成中国互联网界上三座大山，各自形成了独立的护城河和生态链，老虎一声吼，地球抖一抖。很多公司依赖百度的搜索功能提供增值服务，形成了完整的产业链。

百度全面取消Referer关键词显示的技术实现给各方造成了影响（注意，百度是取消了Referer中关键词的显示，不是去掉了Referer）。

　① 从终端用户角度看，我们从词条搜索结果A进入某站点目标页B，中间会发生浏览器跳转，这在网速慢的时候很明显。

　 ② DNS劫持者和一些公共WIFI

　　　影响最大的应该是DNS劫持者和一些公共WIFI，百度这块的隐私数据已经彻底被掐断。

　 ③ 一些实力差的网盟将退出历史舞台

　　　　许多号称有大数据背景的网盟本质上来说，都是从百度的搜索行为拿数据。从百度启用HTTPS，取消REFERER中的关键字以后，大量依靠这款数据的网盟公司在短期内广告展现质量会迅速下降。还有有一些广告联盟的大块广告分销商就是做DNS劫持的，这些网盟恐怕以后日子更不好过了。

④ 统计工具

　　无法获取Referer中的关键字以后，除了知道一个流量来自百度以外其他无从知晓。所以百度的搜索份额还是保留在统计中的，但是无法基于此做进一步分析了。缺失搜索数据的统计工具，是挖掘不出多少价值的。百度关闭了一扇门，打开了一扇窗，百度提供了自有的百度系统计工具和API 开放给第三方工具进行后续挖掘。

4. 技术角度分析是怎样完成这样的骚操作的？

依照上面常规的请求图： A->B；当我们点击A页面中连接跳转到B页面，B页面里面Referer值就是A页面地址。

　　Referer 是浏览器自动添加的，不能删除，那可考虑在进入B网页时“替换”Referer。

　　百度引入了中间页P来完成这个“替换”操作： A->P->B， B的Referer已经变成了网页P。

下图演示了从百度搜索结果页面A，选中任意一个结果链接进入目标站点网页B的过程：

由于有了这个中间页P，那么关键词的显示与否就由百度站点一手控制了

中间页P由百度生成，P页面的Referer正是A，但是我们无法抓取P请求（域名也在百度）

进入着陆页B的Referer请求头是中间页P，而P的关键词信息已经加密。

使用Fiddler验证（搜索关键词 WebDissector）:

① 网页A中的原始搜索结果链接

② 点击任意结果链接时原始链接被附加了 &wd=&eqid=******* , 形成完整的中间页P

仔细探究中间页P的响应体：

<meta content = "always"
name = "referrer">
<script >
try {
    if (window.opener && window.opener.bds && window.opener.bds.pdc && window.opener.bds.pdc.sendLinkLog) {
        window.opener.bds.pdc.sendLinkLog();
    }
} catch (e) {};
var timeout = 0;
if (/bdlksmp/.test(window.location.href)) {
    var reg = /bdlksmp=([^=&]+)/,
        matches = window.location.href.match(reg);
    timeout = matches[1] ? matches[1] : 0
};
setTimeout(function () {
    window.location.replace("https://www.webdissector.cn/")
}, timeout);
window.opener = null; 
</script>
<noscript><META http-equiv="refresh" content="0;URL='https://www.webdissector.cn/'"></noscript>

　　以上代码的功能大致是：如果浏览器支持Javascript，则通过js跳转到目标页面，如果浏览器不支持Javascript，那么也能通过最后的Meta标签让浏览器实现跳转。

　　中间页P的url：www.baidu.com/link?url=g19mr6kuOtd-rH0lnHN1SRvGiCevp5qQam2vVd-X4WNPesjKS1uRiu98tV49REXl& wd=&eqid=b03f3d7e00007893000000025a911952，

　　可以看到原来的wd（代表原始搜索词）已经隐藏，后面的eqid值是加密后的word，

（单一搜索结果页面被附加的是同一个eqid）。

最后

　　讲完了技术实现，百度真是用心良苦，回归应用，流量关键词作为站长关注的首选重点，是数字营销和用户行为分析领域中必须玩转的技术功能点。

百度云为了满足站长获取网站流量关键词的数据分析需求提供了精细化的百度搜索Referer关键词数据服务，在百度云网络环境内提供实时和批量获取API，站长通过提供其网站Referer关键词的eqid可以获取对应的Referer关键词： API文档