用户代理标头 - mysql 存储的缩写

根据这个帖子，特别是这篇文章：https://stackoverflow.com/a/6595973/1125465 https://stackoverflow.com/a/6595973/1125465，微软一如既往地炫耀。用户代理的大小可能非常非常巨大。

我正在 php 中开发一个小型访客库，我想存储用户代理信息。我无法决定数据类型和长度。

所以我的问题是：您对如何将用户代理缩短到某种“正常”大小有什么想法吗？ （例如 256 个字符）.

Note:开发人员使用用户代理来检测用户浏览器和操作系统。因此，根据链接的示例，M$ 中的所有愚蠢数字只是......只是。一如既往，让我们心烦意乱。因此，我们的想法是创建一个函数来缩短用户代理字符串，但不会丢失重要信息。

我认为这样的功能应该：

• 不依赖于未来的更新和新浏览器（无硬编码字符串）
• 有一个简单的机制来决定删除什么（例如，如果有一个数字，逗号，数字，逗号，数字，逗号，数字，...，它可以删除它，这并不有趣）。
• 最后，如果所有操作仍然导致用户代理太长（比方说 256 个字符），则无需执行更多操作，因此只需切断其余部分即可。这是百万分之一，因此数据可能会丢失。

附加说明：我知道，我可以创建一个从用户代理获取浏览器和操作系统类型的函数，并仅保存这些值。但与往常一样，此类函数具有硬编码名称，如果浏览器无法识别，它会返回“无法识别的浏览器”。因此，将来每个人都必须记住更新这些函数。如果我们保存缩短的用户代理，则该信息是不会丢失（因为只有读取数据库的脚本必须有新的识别系统）。但是数据库中的条目是可靠且一致的，正如应该的那样。

UPDATE:由于应该有一些代码，并且想法有问题，而不是现有代码的问题，所以我将编写一些迄今为止编写的最小代码;)：

<?php
    function shorten($useragent, $maxsize = 256) {
        $shorten = $useragent;
        ... // ?
        $shorten = substr($shorten, 0, $maxsize); // the "last hope" cut
        return $shorten;
    }
    echo shorten($_SERVER['HTTP_USER_AGENT']);
?>

User-Agent 字符串没有规则，因此无法创建完全正确且面向未来的解析器。但有一个一般模式：

User-Agent: <engine-string> <engine-string> ...

Where engine-string有形式：

<agent-name> (<comment>; <comment>; ...)

每个引擎字符串（我只是根据我的理解称呼它，这可能不正确）可能有也可能没有注释。

例如：

Mozilla/5.0 (iPhone; CPU iPhone OS 6_0 like Mac OS X) ↲
AppleWebKit/536.26 (KHTML, like Gecko) Version/6.0 Mobile/10A5376e ↲
Safari/8536.25 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

（这是一个字符串，我只是将其分成几行。）似乎，每当有人对浏览器引擎进行分叉时，他们只是将其内容附加到末尾。所以我们有一些抽象的“Mozilla”浏览器（“第一次浏览器战争”的遗产），它认为它在 iPhone 上。然后我们看到有一个WebKit（它记得很久以前它是作为KHTML诞生的）。然后还有一些Version/6.0的修改，后来修改成了Mobile/10A5376e，又变成了Safari/8536.25，终于揭开了它其实是移动Google bot的秘密。

另一个例子：

Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; GTB7.4; ↲
InfoPath.1; .NET CLR 2.0.50727; .NET CLR 3.0.04506.30; .NET CLR 3.0.4506.2152; ↲
.NET CLR 3.5.30729; .NET CLR 1.1.4322)

这是一个单引擎，但括号里有很多话要说。

所以一般观察是：

• 最后的引擎弦是最重要的，
• 括号中的最后一条评论不太重要。

考虑到这一点，我的想法是将字符串解析为这些引擎和注释标记，然后从每个引擎部分丢弃从第五个开始的注释。然后，如果仍然不够，则从第二个开始丢弃引擎部分（第一个通常是抽象的“Mozilla”，但通常有有用的注释；有时它实际上是具体的东西，特别是对于网络爬虫而言）。

在解析时，我们需要考虑到偶尔可能会有不遵循这种格式的字符串。它们可以保存到日志文件中以供以后检查，然后简单地剪切到所需的长度以适合数据库。