我这博客写了十七年，评论两万一千多条。多年之前博主留下的评论链接除了大部分都无法访问外，还有一些着黄站、赌站、卖假药网站在那里躺着。，我心里一直有数——不是最近才发现。这也是我之所以把博客一直放在海外服务器上一个最主要的原因。
最开始折腾龙虾时候，也想着来处理这两万多条评论，可能当时龙虾太笨，最后不了了之了。前几天看到了扶功的和，文章之后，我把他们两的思路集合起来，再增加垃圾链接审核逻辑，最终得出我的"增强版"！
一、手工干不了
两万条，一天点五十个，得查一年多。域名还是活的，你今天查完，明年它又变了。
所以我想的是：能不能让它自己查，我只在它拿不准的时候看一眼。
二、照着做了一遍，三个坑绕不过去
水拍石那篇把做法写得很细：抓回首页、按四类词打分、过阈值判风险。我照着这个路子做了，跑下来发现三个坑。
坑一：词库不认识赌站的招牌。 标题明摆着写「交易所」「交易平台」「官网入口」，词库里一个都没有。开头那个 58yqm.com 就是这么漏的——正文只有"保证金""高收益"凑出 20 分，阈值 50，放行了整整一年。我当时就想，这词库得补到什么时候是个头？
坑二：看有没有博客特征。 有 RSS、有 WordPress 指纹就算个人博客。可交易所也能用 WordPress 搭啊。
坑三：一刀切全删。 安全倒是安全了，把正常博友也一起清了。人家来你这儿留了十几年言，你反过来把人家链接清了。
三、后来我想明白一件事
照这个路子做下去，问题是：内容这东西你永远查不全——今天补了"交易所"，明天人家改叫"数藏平台"。我换了个角度：
别猜它坏不坏，看它还是不是那个人的站。
判断"是不是黄赌"得靠词库猜，永远慢半拍。但判断"还是不是原来那个博主的站"，有两件事是硬证据：这个人还来不来，这个域名现在是什么。
我那两万多条评论，最后只有 325 个需要真的去抓页面看一眼。大部分链接在第 1 步就处理完了，一个页面都没去抓——这是我做它最得意的地方，省事，也不去打扰博友的站。
两条铁律，写死在代码里：
-
抓不到 ≠ 有问题。 DNS 死了、被墙了、超时，一律不降级。看不清就不下结论。
-
实锤的结论不能被网络波动洗白。 判成风险的域名，之后哪怕某次抓取失败，结论也留着。
四、后台长什么样
装好，左侧菜单多一个「外链守卫」。
体检页最上面是进度。它只扫「免考核期」到「人情味期」之间的域名，默认 1 年到 5 年：近一年还在留言的不扫，超过人情味期的也不扫——前台早降级了，扫了白烧 CPU。（图里写"2 年"，是我这个站自己填的，默认是 5 年。）
风险清单每行有分数、命中词、页面标题，确认就点「拉黑」——以后这个域名再有人填，评论直接提交不了。
不过最有用的其实是「域名速查」。 拿不准一个域名为什么被降、或者为什么被放行，把它粘进去，判定链每一步都摊开给你看。
图里这个：标题「英国·威廉希尔体育公司-中文官网」，两个高置信词，100 分判风险。下面几层写着"本次未参与"——判定是短路的，不是每层都算一遍。所以误判时你一眼能看出是哪层判的。
五、前台是什么效果
降级不是删评论，是把链接换成纯文本。 评论内容、作者、时间一个字不改，网页源码里也不会再出现那个域名。
注意「车牌吉凶」底下那道虚下划线——它的网址被判成"已不是个人博客"。其他正常访客的名字就是普通文字，看不出来。
站长自己登录看到的不一样：所有链接恢复可点，被屏蔽的用彩色虚线标出来。这个是我特意要求的——一开始它连管理员也一起降级，我打开后台以为功能坏了。
六、怎么开始用
后台 → 插件 → 安装插件 → 上传 zip → 启用。
装完第一件事是扫描，一定要扫。 刚装好时体检表是空的，它还没看过任何一个域名的内容。进「外链体检」，点「连续扫描到完成」。
要扫多久，我实测大约 2~4 秒一个：
| 域名数量 | 大约耗时 |
|---|---|
| 100 个 | 5 分钟 |
| 500 个 | 25 分钟 |
| 2000 个 | 2 小时 |
扫的时候可以切到别的标签页干别的事，不会断。扫完每小时还会自动复查一批到期的（7 天一轮），不用你管。
设置里真正要你理解的就两个数字：「免考核期」默认 1 年，这期间还在来往的直接放行；「人情味期」默认 5 年，超过就归档降级。
七、可能会遇到的几个问题
改完设置、或者扫完了，前台没变化？ 八成是页面缓存。降级是渲染的时候替换的，缓存插件存的是替换之后的页面。插件会自动清 WP Rocket、LiteSpeed、W3TC 这些，用 CDN 的话你手动清一次。
某个正常博客被降级了？ 去「域名速查」看它是哪一层被判的，判错了点「加入白名单」。判据永远有误差，白名单就是留给人纠错的，别指望机器百分百准。
某个域名一直显示"抓不到"？ 多半是 IP 被对方防火墙拦了，或者那个站只对国内网络开放。插件带了「本机抓取助手」，在你自己电脑上跑个脚本去抓、结果回传，判定标准和服务器完全一致。
八、数据这块我说清楚
-
检测结果、黑白名单全存在你自己站点的数据库里，不向任何第三方上报
-
运行时唯一的外部请求是抓待检域名的首页，这就是体检本身
-
不采集访客 IP，不读访客的任何隐私信息
停用：数据全保留，链接恢复可点。删除：清空体检表和黑白名单，不可逆——两万个域名重扫要几个小时。想关掉的话，停用就够了。
下载
版本 1.5.6 ｜ 需要 WordPress 5.5+、PHP 7.4+
这个链接永远是最新版，我发新版直接覆盖，你不用回来找新地址。
最后说几句实话
代码是我跟 WorkBuddy 一起折腾出来的，来回改了七八个版本。源码里看出点"AI 味"，不奇怪。
免费，没广告，我也没打算靠它挣什么。
但它一定会误判。 十七年里我见过太多奇形怪状的博客——有的整站用 JavaScript 渲染，抓回去一片空白；有的标题起得跟公司官网一模一样，点进去全是私人日记；还有的博客就叫「好事发生」，四个字，机器看了半天不知道它是什么。
所以装上之后，要是发现哪个正常博友被降了，先别骂——去「域名速查」看看是哪一层的判据太宽，留言告我一声。误判的样本比任何功能建议都有用。
说到底，这插件只是帮你把风险筛出来，该不该留、该不该删，还得你自己看一眼最准。
评论区
共 2 条评论