ユーザエージェントを検証

HTTPクライアントであるブラウザは、それぞれ環境変数のHTTP_USER_AGENT（ユーザエージェント）にオリジナルの値を返します。 ユーザエージェントには、HTTPクライアント自身の製品や重要な付属製品を識別するためのコメントが含まれています。　ということはつまり、ユーザエージェントの値から、ブラウザが何であるか、ブラウザが動いているOSが何であるか、ブラウザはどこのメーカのものなのかといった情報を取得することができるということです。

ブラウザの代表はマイクロソフトのインターネットエクスプローラと、ネットスケープのナビゲータやコミュニケータです。ほとんどの方はこれらのクライアントソフトを利用していると思います。

しかし、世界にはもっと多くのブラウザが存在するのです。例えば、日本だけを見ても、携帯電話各社でそれぞれ違ったブラウザを搭載しています。さらに、検索エンジンのロボットや、リンクチェッカたちもHTTPクライアントとしてユーザエージェントを返してきます（至極当然なんだけどね）。当サイトで配布しているアクセスログ取得/解析系のスクリプトなどを設置してみるとわかると思いますが、どこの馬の骨だかわからないユーザエージェントが嫌になるほど引っかかってきます。いちいち何者か考えているとノイローゼになるんじゃねーかってくらいかかります。

で、それらをうまく判別できやしないだろうか、というのが当ページの目的です。

ユーザエージェントを解析するには、サーバログを専用のツールを使って解析するのが一般的です。サーバログを見れない環境(ほとんどのレンタルサーバスペースでは見れない)であれば、アクセス解析CGIを設置します。

アクセス解析を設置する際に注意しなければならないのが、ロボットのアクセスはログ取得方式がSSI式でないといけません。よくあるIMGタグでCGIを呼び出す形式のものは、ロボットのアクセスを記録できません。

アクセス解析ツールのログ取得方式などについて詳しくはこちらのぺーじにあります。また、SSI式に対応したアクセス解析CGIはこちらにあります。

さて、多くのブラウザが、それぞれてんでバラバラのユーザエージェントを返してきては困ります。そこで、ユーザエージェントの記述には、一定のルールがRFC 2616によって定められてはいます。しかし、実際、そのルールを厳密に守っているものは少なく、また定義もややこしいのでココでは割愛します。とにかく、ユーザエージェントの値には、おおまかなルールがあるということを頭に入れておいて話を進めます。

では、実際にユーザエージェントの値を見てみましょう。

Mozilla/4.0 (compatible; MSIE 6.0; Windows 98)

これはインターネットエクスプローラ6.0のユーザエージェントで、OSはWindows98であることがわかります。

もうひとつ

Mozilla/4.7 [ja] (WinNT; I)

これはネットスケープ4.7のユーザエージェントで、OSはWindowsNT、さらに言語は日本語であることがわかります。

上の２つを比べて、何かお気づきでしょうか。そうです。先頭がどちらもMozillaとなっています。

今でこそインターネットエクスプローラのシェアはネットスケープの比ではありませんが、世に出たのはネットスケープの方が先なのです。したがって、インターネットエクスプローラは、ユーザエージェントで密かに自らをネットスケープであるかのように偽っています。
　と、表現すると言葉が悪いのですが、古くは両ブラウザの元となったMosaicというブラウザに端を発し、ネットスケープ全盛の頃はMozillaを名のらないと蹴られてしまう（閲覧を拒否される）サーバが存在したというのが、両ブラウザ共通のユーザエージェント値Mozillaの秘密です。だから、インターネットエクスプローラは「compatible(互換)」としているわけです。

現状では、インターネットエクスプローラ以外のブラウザでもMozillaを名のるものが多くあります。ここまで語ったからには、ここで止めるわけにはいかないので語り尽くすと、このMozillaの由来は、想像した人も多いと思いますが、Godzilla、怪獣ゴジラからきています。

Mosaic + Godzilla = Mozilla というわけです。

とまあ、うんちくはこれくらいにして、ユーザエージェントを解析する話題に戻します。

つまり、「それぞれのブラウザは、大まかなルール（RFC 2616）には従いつつも、一定と言える（シンプルな手順で判別できる）ほどのルールに従った値をかえすわけではない」ということです。

だから、ユーザエージェントを解析する場合、ある程度の実情把握が必要であり、実情の把握できたものをターゲットに解析していくということになります（とまあ、限ったわけじゃないと思いますが）。

従いまして、ここからは作者サイトのログや資料を研究した成果を、まとめてご披露させていただきたいと思います。(まちがっていたら、是非ご指摘を！)

●PCブラウザ系
●携帯電話系
●組み込み系(ゲーム機/PDA/家電など)
●ロボット系
●ダウンロード/リンクチェッカ系
●その他

どのブラウザもそうなんですが、世に登場してから開発が安定してくるまでは、ユーザエージェントの値も不安定であることが多いです。正式発表段階でいきなりそれまでと全く違ったユーザエージェントを返すようになったりすることもあります。

また、ブラウザの開発自体リアルタイムであることも多いので、バージョン名以外に項目の並び自体が変わったりと結構変更があります。もういたちごっこ状態なんですが、仕方のないことですね。

ここで紹介している情報をもとに、HTTP_USER_AGENT からクライアントを判別するライブラリ jua.pl もあります。フリーなのでこちらの利用規定内でご自由にどうぞ。結構使い勝手いいと思います(多少重いですが)。

それから、ユーザエージェント値は偽ることができます。実際はインタネットエクスプローラなのにネットスケープのユーザエージェントを返したりといったことが可能なのです。ユーザエージェントを別のものに設定することを「偽装」と言ったりします。

偽装行為を行っているのはインターネット全体ではごく一部ですので、ある一定数以上のPV(ヒット数)があるサイトにとっては誤差の範囲だと思います。あまり気にしないようにしましょう。中には気の利いた偽装で楽しませてくれるものもあります。

なにはともあれ、RFC 2616 は何のためなんだ！というのがこのコーナーのオチです。以上。

　■参考サイト
　▼User-Agentについてのたわごと▼
　ロボット対策