以前偶尔会做一些小玩意，比如我曾经从网上下载了一个电话号码定位的数据库，里面大概有 130XXXX – 139XXXX 的号码段对应的城市，这个数据库是Microsoft Access格式的，而我当时用的是PHP+MySQL，所以得转为sql格式放入MySQL中。一开始用的是PHP脚本法，即写一个PHP脚本，通过ODBC从Access中读取出来，再插入MySQL。不过那个速度是相当的慢。本来也想找一个软件来完成这项工作，但上网找了一下，似乎有一个这样的软件，不过是收费的，还是算了。

最近又在搞一个小玩意，《成语词典》，我从CSDN下载的源文件，原本是ASP+Access格式的，我又得把它转为MySQL，数据大概有13000条，我查了一下家里放着的那一本《学生常用成语词典》，不过才8000+条成语而已，可见这个数据还是比较全面的。

还好这次找到了一个Access To MySQL这个软件。这个软件是丹麦一家公司Bullzip开发的免费的软件。立即下载来试用了一下。感觉不错。首先要安装一个ODBC的软件（如果有安装IIS似乎会一起装，没有的话上MySQL官方网站下载）。

打开程序，选中要导出的MDB文件，

再填写MySQL服务器信息及要导入到的数据库名，

可以选择要导入的表和列

再设定“覆盖原表及数据”，“转存数据”，“转存索引”等设置，点击开始，即可开始转换过程。

我的大概13000条，4MB的数据也仅仅转换了30S左右，如果用PHP脚本写的话不知道要到猴年马月。

美中不足的是，这个软件对字符集的支持并不好，它不支持设定字符集，我第一次的时候导入以后数据全部是问号，因为它创建的表的字符集都是默认的拉丁_瑞典语字符集，而MDB文件的字符集是GB2312，后来我只好自己先创建好表，设定好字符集，再用导入数据的模式进行操作，操作完后一切正常。

再花了一个下午写了这个《成语词典》，欢迎大家使用。

首先谈谈哪些搜索引擎是一定有用的，Google，百度，我认为这两个搜索引擎是必须的。国内网站的90%以上的搜索引擎流量来自于Google和百度，其中百度七成，Google三成左右。Google是搜索引擎的权威（强龙），而百度就是中文搜索的领袖（地头蛇）。除此之外，我认为其他的搜索引擎都可以屏蔽。雅虎中国、Live中文、以及国内的搜狗、搜搜、有道之辈均是无足轻重的搜索引擎。

禁止搜索引擎收录的方法大概有3种。

方法一：服务器禁止访问。

这需要服务器配备有cPanel这样的后台管理软件，设定某个搜索引擎所在的IP段禁止访问。如要封锁Google的蜘蛛，先通过域名对应IP查询得www.google.com的IP地址，如74.125.19.99，再通过IP WHOIS查询查到IP段 74.125.0.0 – 74.125.255.255 的所有人均是Google公司，把这个IP段填入IP黑名单中。（具体的方法根据不同的管理软件有所不同，可能是74.125.0.0-74.125.255.255或74.125.*.*）

这个方法比较好的地方在于直接禁止搜索引擎的访问，除了HTTP请求头，几乎不耗费流量，一般情况下这点流量也不会计算在你的消耗的流量当中。这是禁止搜索引擎收录的最好方法。但麻烦在于你不可能得到Google的所有IP段，这个就得靠收集了。

方法二：robots.txt禁止

robots.txt（小写）是放置在网站根目录下的搜索引擎权限控制文件。搜索引擎一般遵守robots.txt协议。通过编辑robots.txt协议，可以禁止某些搜索引擎的访问、禁止某个文件、文件夹被搜索引擎收录，适合用于保护私有文件。搜索引擎通过读取robots.txt，判断自己是否在被禁止搜索引擎之列，如果被禁止，一般不会对该网站进行抓取，除了百度这变态。

robots.txt的简单用法：

1.禁止百度收录（想和淘宝一样抵制百度就这么做 ）

首先是User-agent，每个搜索引擎都有自己的User-agent，比如Google的为 Googlebot，百度的为 baiduspider ，可能区分大小写，其他相对应的应该到搜索引擎的帮助页面去查询一下。 * 是一个通配符，通配所有的搜索引擎，Disallow: 项目表示禁止访问的位置，第一个Disallow:后面为空，表示没有禁止访问的项目，也就是允许所有的搜索引擎收录。但如果要添加例外，还可以添加一行User-agent: baiduspider，表示下面的规则仅适合百度蜘蛛，百度蜘蛛的规则是Disallow: / ，也就意味着禁止收录该域名下所有的网页。

在特殊情况下，我们可能希望部分不被所有的搜索引擎收录，比如Wordpress的wp-admin/目录是后台管理的目录，wp-content/是存放主题、插件的目录，这个不需要被搜索引擎收录，可以编辑robots.txt为

2.仅允许百度以及Google收录（推荐）

使用robots.txt需要注意的是，并非所有的搜索引擎都遵守该协议，而且就算遵守该协议不代表蜘蛛不对网站进行抓取，可能是抓取后不发布出来而已，流量是要样要耗费的。

方法三：脚本判断，禁止

这里写一下PHP的方法，其他ASP等方法也是类似的。
检测来访的访客的User-agent(UA)，如果是搜索引擎的蜘蛛则立即禁止访问，提示出错信息。

该代码当来访的访客的UA中包含google或baidu字样即返回403禁止信息并退出脚本。

用脚本的方法禁止搜索引擎的访问比较方便快捷，特别是WordPress这样的程序，只要加一个插件即可（过些天做一个发布出来）。用这个方法对服务器流量的消耗也不大，可以接受。

1.仍然调用刚才的页面，输出错误提示，并把<input>中 value的值改为刚才用户输入的值。这应该是最好的方法，但缺点是要在这个页面的<input>的VALUE进行处理，比较麻烦。

2.还有很多懒人像我一样，遇到验证不通过，直接输出一个出错提示页面，并在页面中加入JavaScript的代码：

这个代码是返回上一页的代码，返回后，除了密码类型的所有数据均会保留在网页中，这算是比较友好了。

但有很多朋友反应使用JS的返回后，网页上并没有数据的缓存，有时候却又有，真让人捉摸不定。前几天我在开发的时候也碰到了这个问题，上网Google许久未果，只好又从自己的代码分析入手。这时候，一句 session_start(); 引起了我的注意。session_start(); 是开启 $_SESSION 会话的函数，开启SESSION后，似乎是每次访问一个网页都要重新调用一次网页。我把这句话去掉以后，问题就解决了。如果遇到网页数据不能缓存的，不妨去掉SESSION试试

示范页面: http://dev.neekey.com/callme/lang/zh-cn/contact/2

服务简介：在这个网站上输入你的邮件地址，经过邮件地址确认后，将会得到一个唯一的URL地址，在自己的博客上创建一个ContactMe的链接到这里，你的访客要给你留言时就可以直接上这里来了。你既省去了制作页面的麻烦，也不怕电子邮件地址直接放在网页上而被SPAM扫描到了

服务特色：

1.多语言支持。可选多种语言，使用范围广，国际化服务。（目前提供中英两种语言，但预留了接口，只要有翻译，可以随意增加语言种类）。

2.多模板支持。不仅有系统默认的模板，将来还可以提供多种模板，（也可以自己编写HTML、CSS）让你的联系页面与众不同。

3.多种调用格式支持。除了直接访问这个URL外，将来预计还能支持在自己的博客上通过FLASH，JavaScript，iframe调用。

4.多项贴心设置：开启Email可见模式，可以把您的Email地址制作成图片显示，既放置被SPAM扫描到，又能在服务器发生错误时手动发送邮件。

目前这个服务只制作了一个联系表单，注册模块等还未制作，其他的服务都在构思中。如果想先体验这项服务的不妨留下你的大名（邮件地址我在后台可以看到），率先体验一下这项功能。

PHPXref官方有个已经制作好的Wordpress的分析文档：http://phpxref.com/xref/wordpress/，此外，PHPXref还制作了多种PHP程序的分析文档，有兴趣的可以Google站内搜索一下。

PHPXref的主要功能包括

1.文件管理。无论要找什么文件，用它能很快地搜索到，如果你的文件中有符合语法规则的注释，PHPXref还能将它列在文件名的旁边，更容易了解这个文件的功能用途，也不用为了找一个文件翻遍整个文件夹，打开每个文件查找注释了。

2.函数、变量、常量、类管理。Wordpress内置了多种功能强大的函数、类，无论是字符处理还是远程URL读取等都有现成的函数，但我们往往不知道这个函数能在Wordpress里面找到，现在容易多了，搜索一下就找到了，如果在开发过程中遇到某个Wordpress函数，不知道它是干什么用的，这时候就得找到这个函数在哪里定义的，可是Wordpress里面上百个文件上哪找去？还是用PHPXref好了。

3.文件包含管理。Wordpress中需要很多 include，require包含别的文件，但偶尔也会遇到重复包含导致出错，虽然require_once可以解决，但我们也最好要了解某个脚本包含了哪些文件，要调用这个文件时也心中有数。PHPXref提供了每个文件的包含文件列表和被包含的文件。

4.源代码高亮。这个功能也是比较实用的，但在实际测试中偶尔会出错。

5.出色的关联功能。在浏览源代码时，将鼠标指到某个函数名，就会在鼠标旁边出现函数的定义页面，以及被使用次数，此外，还对使用较多的变量名，也是可以直接有个页面显示所有的关于这个变量的使用情况。

既然PHPxref那么强大，该如何使用呢？

1.首先，从SF下载最新的程序，现在的版本是0.7，下载那个win32的版本就好了。下载后解压出来。

2.phpxref目录下有一个 source 的文件夹，这是存放源代码的文件夹，把另外下载的Wordpress源代码放到这里来，请注意，不要把 wordpress/这整个目录放进来，而是里面的文件放进来就行了，确保以 source/index.php，source/wp-content/ ..这样的格式就行。

3.运行可执行文件phpxref.exe ，将进行生成文档的工作，这个过程大约需要1分钟左右，由于需要高频率读取硬盘和大量计算消耗CPU资源，请暂停其他工作。

4.提示成功后，output 这个目录下就是所有的文档了，建议在本地上用XAMPP进行调试，把整个output 文件夹搬到 xampp的 htdocs 的目录下，再把名字改为好记的 phpxref ，这样，就可以通过 http://localhost/phpxref/ 访问了。效果和 http://phpxref.com/xref/wordpress/ 的是一模一样，当然，速度快了很多。

PHPXref还提供了在Linux下生成文档的版本，但我很少用Ubuntu，也没有去Ubuntu下测试了，我想更多数人需要的还是Win系统下的，如果有需要，把Win下生成的文档可以搬到服务器上去供大家访问，还可以在页面下面放点Google Adsense广告赚点外快。但PHPxref生成的文档实在太大了，一个1.2MB的Wordpress(压缩包)，解压后再生成文档，居然要80多MB的位置！压缩完后也需要接近20MB，所以我打消了把它放在自己服务器上的愿望（说不定制作重复的镜像还会被搜索引擎处罚）。

除了用PHPXref来生成已有的Wordpress或其他PHP示范程序（如Discuz）进行学习外，用PHPXref来生成自己制作的PHP程序，进行检验错误或者是整理代码资源也很有用。我从学PHP至今大概写过5个比较大型的程序（我认为算比较大型了，但没有一个是成型的商业产品），几乎也是写了5次的邮件地址验证函数，用户名验证函数，密码验证函数，MySQL类…看来还得用PHPXref来整理资源了。

在使用PHPxref之前，我还读过awflasher.com提供的简介，特此感谢。

创建一个feedback.php 页面

需要有几个需要注意的地方。
1.mail() 函数。不是所有的空间都可以使用mail()函数的，要取决于所在的服务器是否有正确设置了sendmail，否则即使使用了mail()函数也是无法发信的。创建这个页面后最好自己试一下能否使用。一般来说，国外比较大的空间，如我用的Dreamhost，mail函数都配置得挺好的，可以直接用。而国内很多空间的服务水平很差，很多函数、PHP库都没有设置、启用。我曾经用过的某个国内空间就是这样，（甚至连 iconv 这个很重要的函数都不支持，PHP版本居然还是 4.2.5的，我问他们技术支持，让他们升级PHP版本，他们却无动于衷）如果mail() 函数无法使用，则可能需要使用一些第三方的MAIL库或MAIL类，我也没试过，下回找一个

2.编码。国内很多邮箱是采用了GB2312等编码，建议在mail()函数的第四个参数（邮件的HEADER）设置一下，如这个代码来取代mail函数

其他CSS之类的自己随便做一下就好了，挺简单的吧:)

上回我做了一个一键下载WP主题的插件Get_Theme，代码核心的两部分分别是下载与解压缩。下载比较简单了，通常是用file_get_contents(FILENAME); 这函数或者用 fsockopen 函数下载即可，可解压缩部分就比较复杂点了。由于我对ZIP也算是一无所知，唯一知道的就是PHP似乎内置了对ZIP/UNZIP的支持。后来一查文档才发现，这个功能需要加载额外的DB库，并且有些主机不支持。还好网上提供了很多不需要加载库的解决方案。

第一次用了PHPMYADMIN里面的unzip库。如果有本地用XAMPP搭建测试平台的不妨到 phpMyAdmin/libraries 目录下，找到 unzip.lib.php，里头有个 SimpleUnzip 的UNZIP类，它的作用是将一个ZIP文件解析出一个二维数组，这个数组中每个文件又是一个数组，数组中包含了路径、文件数据、创建时间等信息，解出数组后还要根据每个文件的路径判断是否需要新建文件夹等。后来我用这个类在本地的PHP环境中测试了一下，工作得不错。但当我把它上传到Dreamhost空间进行测试的时候却出现了问题。当我从Wordpress主题站下载主题进行测试解压时，解压后的每个文件均能被正常识别、创建，但文件里的内容都是乱码。我一直不解其中原因。后来我想起7ZIP里面有个似乎可以查看压缩算法的功能，看了一下，算法好像都是 Deflate。而下面的主操作系统信息引起了我的怀疑。我在本地压缩的几个主题包的主操作系统都是 FAT ，而WP主题站下载的主题的主操作系统都是 UNIX ，可能是由于数据的存储方式不同导致了这个问题。 而后我又记起了WP自己拥有的插件升级功能，必然也需要用到UNZIP功能，在WP的文件里找了一下，终于找到了一个UNZIP类，它位于 wp-admin/includes/ 下的 class-pclzip.php 用这个 PclZip 类很容易地解析出了ZIP包的内容，同样需要进行创建文件夹、文件等操作。

这里说一下大概过程，假设有个$archive_files数组，里面有数个$file数组，$file里是真正的每个文件的数据，如$file[filename] 是文件名（包含文件路径，有可能是 file.php 也有可能是 /dir/file.php），$file[content]是文件数据，还有创建时间修改时间等就不列了。

有了文件名首先把它连上绝对路径，用file_exists()或is_dir()的函数判断路径是否存在，不存在就要创建。判断的时候还要注意有可能存在多级文件夹未创建的情况，所以应该先用 explode 函数分解成几个数组，用个for循环把每级目录都判断一遍，不存在则创建。

接下来就是用文件函数创建函数了。

这里讲讲如何获取Alexa的数据排名。最简单的莫过于装上Alexa提供的工具条了，Alexa提供了Firefox和IE的版本，但纯粹为了看一个网站的排名而安装这个插件显得有点浪费资源。我在Firefox浏览器用的是SearchStatus这个插件，这个插件同时显示了Google PR和Alexa排名，占用位置也不大，用起来比较方便。

本文着重要讲的是如何使用从Alexa的服务器下载数据，并进行分析后应用于WP插件或提供给访客（如 http://alexa.chinaz.com/这样的服务）。Alexa官方提供了收费的API接口，每千次查询$0.15（上回凭印象说是$0.1，更正一下），既然要收费，肯定没有多少人愿意花这钱了，特别在我们中国人看来更是难以理解，照理说用你Alexa的数据应该是相当给你面子，给你人气，你还要向我收费？还好早就有人破解了Alexa工具条（貌似很多国内网站强迫要求下载的Alexa工具条还经过改装，拥有木马功能了），并把它的服务器接口盗取出来分享给大家了。

接口一：

http://data.alexa.com/data/+wQ411en8000lA?cli=10&dat=snba&ver=7.0&cdt=alx_vw=20&wid=12206&act=00000000000&ss=1680×1050&bw=964&t=0&ttl=35371&vis=1&rq=4&url=http://www.baidu.com

接口二：

http://data.alexa.com/data/TCaX/0+qO000fV?cli=10&dat=snba&ver=7.0&cdt=alx_vw=20&wid=31472&act=00000000000&ss=1024×768&bw=639&t=0&ttl=4907&vis=1&rq=23&url=http://www.baidu.com

接口三：

http://data.alexa.com/data/ezdy01DOo100QI?cli=10&dat=snba&ver=7.0&cdt=alx_vw=20&wid=16865&act=00000000000&ss=1024×768&bw=775&t=0&ttl=1125&vis=1&rq=2&url=http://www.baidu.com

接口四：

http://data.alexa.com/data/+wQ411en8000lA?cli=10&dat=snba&ver=7.0&cdt=alx_vw=20&wid=12206&act=00000000000&ss=1680×1050&bw=964&t=0&ttl=35371&vis=1&rq=4&url=http://www.baidu.com

事实上，分析一下这些地址可以看到它已经将用户的浏览器信息，系统信息等发送给了服务端。

ezdy01DOo100QI是aid。
“cli=10&dat=snba&ver=7.0&cdt=alx_vw=20&”这部分是固定值。
wid是个随机数。
act数据包含了Alexa Toobar功能的被使用情况。
ss很明显是屏幕分辨率了。
bw是IE窗口的宽度。
t取值是0或1，和当前IE的window对象还有referrer有关。
ttl是当前页面打开速度，和Site Stats中的Speed有关。
vis表明IE是否显示工具条。
rq是对象计数器。

有了这些接口，我们就可以提供Alexa排名查询的服务了。

访问任意上述地址任意一个，查询baidu.com的信息，返回XML文件如下：

开头包括了一些反向链接的网站，中间是网站排名等信息，下面是网站介绍，网站管理员可以向Alexa添加这些信息。如果是比较不知名的小站，如我的http://photozero.net 信息就没有那么全了。

在前面的文章里提到了，调用Neekey API services的Alexa rank显示图片还会提升Alexa排名，实际上指的就是在调用Alexa数据时，我们是模拟Alexa工具条进行查询的，所以你的博客的Alexa排名自然就提升上去了，不信您试试？我在Firefox里装上SearchStatus插件后，每天访问自己的博客一会儿，眼睁睁看着Alexa排名从300W排名开外冲到目前的110W。

PHP中获取文件排名的方法

除了在服务端调用进行输出外，做个AJAX调用的查询程序也不错，还节省了服务器资源。下次抽空做个放出来。

整个代码的功能是比较单一的，但这是一个创建图片比较基本的框架。无论是做验证码还是要提供显示IP的服务，只要略微修改就很快能用了。就留着这代码备用吧，以后哪天说不定就用上了。

很多Web2.0网站采用了AJAX构造，这样对搜索引擎不是很友好，这里就提供一个识别各个搜索引擎的函数，在判断是搜索引擎后转入专门为搜索引擎提供的页面，方便搜索引擎收录。

这是利用了搜索引擎的USER_AGENT进行判断，像Google的UA为GoogleBot，百度的为Baiduspider，基本上所有的搜索引擎都会增加这些字符以表明Robot的身份。

在使用时，判断是否机器人进行不同操作。