Quante visite riceve CodFis.it

Traffico umano reale (focus su unici e pagine viste contenuto)

Lettura diretta dei log del server: niente stime, niente cookie, niente GA. Qui vedi numeri crudi filtrati.

Visitatori unici umani (IP + UA)

701 -21,5%

Chiave: IP + User-Agent

Pagine viste contenuto (umane)

866 -14,3%

Solo pagine “contenuto”, niente asset

Sessioni (timeout)

918

Timeout: 60 secondi

Hit bot esclusi

525

UA noti + crawler/preview

Andamento orario

Visitatori unici Pagine viste contenuto

Hit umane totali (anche asset)

1.880

HTTP totali (umani + bot)

2.405

Bot / Totale (grezzo)

21,8%

Traffico organico e canali principali

“Organico” qui significa referrer da motori di ricerca (dato reale dal referer HTTP). È il canale più stabile e scalabile.

Ricerca (referrer search)

536

28,5% su hit umane

Social (referrer social)

4,1% su hit umane

WhatsApp (alta confidenza)

3 unici · 1,8% su contenuto

Dettaglio ricerca (top host)

Host	Hit
www.google.com	513
it.search.yahoo.com	11
www.bing.com	5
myactivity.google.com	4
com.google.android.googlequicksearchbox	1
www.google.it	1
duckduckgo.com	1

Dettaglio social (top host)

Host	Hit
m.facebook.com	70
chatgpt.com	4
lm.facebook.com	3

Dettaglio WhatsApp (top pagine per unici)

Pagina (host+path)	Unici	Hit
isee.codfis.it/	2	10
ipt.codfis.it/	1	6

Top pagine contenuto (unici umani)

Chiave = host+path. Le URL sono in sola consultazione (non cliccabili).

Pagina	Unici	Hit
isee.codfis.it/	279	349
codfis.it/	159	207
codfis.it/cambio-codice-fiscale	47	52
codfis.it/cf-inverso	47	52
codfis.it/decodifica-codice-fiscale	39	40
codfis.it/omocodia	23	23
ipt.codfis.it/	23	33
codfis.it/blog/isee-sbagliato-cosa-rischi-e-come-rimediare-prima-dei-controlli	17	18
codfis.it/guida-completa-codice-fiscale	14	14
codfis.it/errori-codice-fiscale	10	10
codfis.it/verifica-codice-fiscale	9	10
codfis.it/codice-fiscale-neonati	7	7
codfis.it/codice-belfiore	7	7
codfis.it/codice-fiscale-stranieri	7	7
bollo.codfis.it/	5	7
codfis.it/blog/rider-partita-iva-e-tasse-come-mettersi-in-regola-nel-food-delivery	4	4
codfis.it/blog	4	6
codfis.it/blog/autovelox-il-nuovo-censimento-non-risolve-il-problema-dellomologazione-e-rafforza-i-ricorsi	3	3
codfis.it/blog/differenza-tra-isee-ordinario-e-le-altre-tipologie-di-isee	3	3
codfis.it/blog/documenti-necessari-per-ottenere-l-isee-cosa-serve-davvero	3	3
codfis.it/blog/adsense-tasse-e-partita-iva-guida-completa-per-essere-in-regola-col-fisco	2	2
codfis.it/blog/l-importanza-di-ottenere-l-isee-bonus-e-agevolazioni-per-tutti	2	2
codfis.it/privacy	2	2
codfis.it/blog/residenza-fiscale-all-estero-per-pagare-meno-tasse-come-non-farsi-beccare	2	2
codfis.it/come-funziona	1	1
isee.codfis.it/_ignition/execute-solution	1	1
codfis.it/blog/imu-2025-come-si-calcola-quanto-si-paga-scadenze-aliquote-e-regole-aggiornate	1	1

Dettaglio bot (esclusi dalle metriche umane)

Lista basata su firme UA note + crawler/preview. Qui si vede tutto (o quasi).

150 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; ChatGPT-User/1.0; +https://openai.com/bot

114 ×

facebookexternalhit/1.1 (+http://www.facebook.com/externalhit_uatext.php)

86 ×

Mozilla/5.0 (compatible; DotBot/1.2; +https://opensiteexplorer.org/dotbot; help@moz.com)

29 ×

meta-webindexer/1.1 (+https://developers.facebook.com/docs/sharing/webmasters/crawler)

23 ×

meta-externalagent/1.1 (+https://developers.facebook.com/docs/sharing/webmasters/crawler)

16 ×

Mozilla/5.0 (Linux; Android 7.0;) AppleWebKit/537.36 (KHTML, like Gecko) Mobile Safari/537.36 (compatible; PetalBot;+https://webmaster.petalsearch.com/site/petalbot)

11 ×

Mozilla/5.0 (Windows NT 6.1; WOW64) SkypeUriPreview Preview/0.5 skype-url-preview@microsoft.com

10 ×

Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/144.0.7559.132 Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

10 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; Amazonbot/0.1; +https://developer.amazon.com/support/amazonbot) Chrome/119.0.6045.214 Safari/537.36

9 ×

DuckDuckBot/1.1; (+http://duckduckgo.com/duckduckbot.html)

8 ×

python-requests/2.31.0

8 ×

Mozilla/5.0 (compatible; MJ12bot/v2.0.4; http://mj12bot.com/)

7 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; bingbot/2.0; +http://www.bing.com/bingbot.htm) Chrome/116.0.1938.76 Safari/537.36

7 ×

Mozilla/5.0 (compatible; AhrefsBot/7.0; +http://ahrefs.com/robot/)

6 ×

Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_1) AppleWebKit/601.2.4 (KHTML, like Gecko) Version/9.0.1 Safari/601.2.4 facebookexternalhit/1.1 Facebot Twitterbot/1.0

5 ×

Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36; compatible; OAI-SearchBot/1.3; +https://openai.com/searchbot

5 ×

4 ×

meta-externalads/1.1 (+https://developers.facebook.com/docs/sharing/webmasters/crawler)

3 ×

Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

3 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot)

2 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko); compatible; ShapBot/0.1.0

2 ×

curl/7.83.1

2 ×

Mozilla/5.0 (compatible; SemrushBot/7~bl; +http://www.semrush.com/bot.html)

2 ×

Googlebot-Image/1.0

1 ×

Mozilla/5.0 (Linux; Android 6.0.1; Nexus 5X Build/MMB29P) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.84 Mobile Safari/537.36 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)

1 ×

Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; Googlebot/2.1; +http://www.google.com/bot.html) Chrome/144.0.7559.132 Safari/537.36

1 ×

CCBot/2.0 (https://commoncrawl.org/faq/)

Dettaglio codici HTTP (tutto: umani + bot)

2xx: 2007 (83,5%) · 3xx: 183 (7,6%) · 4xx: 215 (8,9%) · 5xx: 0 (0,0%)

Codice	Hit	%
200	2007	83,5%
301	66	2,7%
304	117	4,9%
404	215	8,9%

Disclaimer: questi dati derivano dai log HTTP del server e sono aggregati per sola consultazione. Non vengono pubblicati IP, user-agent individuali, né identificativi personali. Le metriche “umane” escludono bot noti, crawler e preview, ma nessun filtro è perfetto: alcuni accessi possono essere classificati diversamente in base a UA/referrer e alle configurazioni del client. Le URL sono mostrate come host+path, senza parametri.

Nota tecnica (metodologia e limiti)

[h3]Manuale tecnico di lettura ed elaborazione dati: come vengono calcolate le statistiche di CodFis.it[/h3]
[p][i]a cura di Michelangelo Fonti Fabbretti[/i][/p]
[p]Il sottoscritto [b]Michelangelo Fonti Fabbretti[/b] illustrerà nel dettaglio le scelte logiche di elaborazione dati relative alle visite di CodiFis.it e sottodomini. Le statistiche pubblicate in questa pagina derivano da una [b]lettura diretta dei log HTTP del server[/b], ovvero dai file tecnici che registrano [i]ogni singola richiesta reale[/i] effettuata verso i domini dell'ecosistema CodFis.it. Questo approccio si differenzia in modo netto dai sistemi di analytics tradizionali basati su [i]scripting[/i] lato browser, [i]cookie[/i] o [i]meccanismi di tracciamento[/i] che richiedono il consenso dell'utente e introducono [b]stime[/b],[b] campionamenti[/b] o[b] approssimazioni[/b]. Qui non vengono utilizzati [i]pixel[/i], [i]JavaScript di terze parti[/i] nè strumenti di profilazione: i dati nascono [b]a monte[/b], direttamente dall’infrastruttura server, e rappresentano ciò che il server ha effettivamente ricevuto e gestito. L’obiettivo non è “gonfiare” i numeri, ma fornire una [b]visione trasparente, verificabile e coerente[/b] del traffico reale, distinguendo ciò che è [b]attività umana[/b] da ciò che è [b]automazione tecnica[/b], e concentrandosi esclusivamente su metriche che abbiano un significato concreto in termini di utilizzo effettivo del sito.[/p]
[h3]Log del server: la fonte primaria dei dati[/h3]
[p]I [i]log del server[/i] rappresentano la [b]fonte più diretta e affidabile[/b] per analizzare il traffico di un sito web, perché non dipendono dal comportamento del browser, dalle impostazioni dell’utente o dall’accettazione di cookie. Ogni richiesta HTTP registrata nei log corrisponde a un evento reale: una pagina richiesta, una risorsa caricata, una risposta fornita dal server. Questo significa che i dati analizzati da CodFis.it non sono [i]stimati[/i], [i]modellizzati[/i] o [i]corretti a posteriori[/i], ma riflettono [b]esattamente ciò che è accaduto a livello infrastrutturale[/b]. A differenza degli strumenti di analytics tradizionali, che possono perdere una quota significativa di traffico a causa di [i]ad-blocker[/i], [i]browser restrittivi[/i] o [i]consensi negati[/i], i log non “dimenticano” nulla: se una richiesta arriva al server, viene registrata. È per questo che i log costituiscono una base [b]neutra, completa e indipendente[/b] su cui costruire metriche affidabili, a patto di applicare [b]filtri rigorosi[/b] per separare il traffico significativo da quello puramente tecnico.[/p]
[h3]Esempi concreti dal codice: definizione operativa di [b]visitatore unico[/b], [b]sessione [/b]e [b]pagina contenuto[/b][/h3]
[p]All'interno di questo sistema da me ideato all'uopo, le metriche non derivano da interpretazioni astratte, ma da [b]regole deterministiche applicate direttamente ai log HTTP[/b], con criteri dichiarati e verificabili. Il concetto di [i]visitatore unico[/i] è costruito a partire da una chiave calcolata lato server, ottenuta combinando [b]indirizzo IP[/b] e [b]User-Agent[/b], senza l’uso di identificatori persistenti. Nel codice questa chiave è esplicitata come segue:[/p]
[p][code]
$visKey = $ip . '|' . $ua;
$uniqueVisitors[$visKey] = true;
[/code][/p]
[p]Ogni valore distinto di questa chiave rappresenta un visitatore unico nel periodo analizzato. La granularità è intenzionale: la variazione di IP o User-Agent genera una nuova identità logica, evitando qualsiasi forma di correlazione implicita o persistenza non dichiarata.[/p]
[p]Il concetto di [i]sessione[/i] è definito in modo altrettanto esplicito tramite un [b]timeout temporale fisso[/b], applicato alla stessa chiave visitatore. Se due richieste consecutive superano l’intervallo massimo configurato, viene generata una nuova sessione. La logica è interamente contenuta nel codice e non dipende da eventi lato client:[/p]
[p][code]
$SESSION_TIMEOUT = 60;
if ($ts - (int)$last['ts'] > $SESSION_TIMEOUT) {
  $sessionIdCounter++;
  $totalSessions++;
}
[/code][/p]
[p]Questo approccio consente di modellare le sessioni come [b]segmenti temporali di attività reale[/b], senza inferenze basate su interazioni o stati del browser.[/p]
[p]Le [i]pagine viste contenuto[/i] rappresentano una metrica distinta e volutamente più restrittiva. Non ogni richiesta valida viene considerata “contenuto”: prima di incrementare il contatore, la richiesta deve superare una serie di filtri tecnici ed essere riconosciuta come pagina significativa. Per il dominio principale, l’identificazione del contenuto avviene tramite una [b]whitelist costruita dinamicamente dalla sitemap ufficiale[/b], caricata e interpretata lato server:[/p]
[p][code]
$contentWhitelist = buildContentWhitelistFromSitemap($sitemapXml);
[/code][/p]
[p]Una pagina viene classificata come contenuto solo se il suo [i]host+path[/i] è presente in questa whitelist:[/p]
[p][code]
if ($h === 'codfis.it' && $hasSitemapWhitelist) {
  $key = $h . $p;
  return isset($contentWhitelist[$key]);
}
[/code][/p]
[p]In questo modo il concetto di “contenuto” non è dedotto da estensioni, pattern o convenzioni, ma coincide esclusivamente con ciò che è stato [b]dichiarato pubblicamente come URL valido[/b]. Asset tecnici, endpoint interni, script e risorse di servizio vengono esclusi a monte tramite filtri espliciti su path e prefissi, garantendo che le metriche finali riflettano solo [b]consultazioni reali di pagine informative[/b].[/p]
[h3]Filtraggio del traffico automatico: identificazione, esclusione e contabilizzazione separata[/h3]
[p]Il traffico automatico viene gestito attraverso un [b]sistema di identificazione preventiva basato sull’analisi del campo User-Agent[/b], applicato prima di qualsiasi calcolo sulle metriche umane. Ogni richiesta HTTP estratta dai log viene valutata tramite una funzione dedicata che confronta lo User-Agent con un insieme di [b]firme testuali note[/b], normalizzate in minuscolo e confrontate per [i]substring matching[/i]. L’elenco include crawler, bot di indicizzazione, strumenti di monitoraggio, client automatici e agenti di anteprima, ed è definito in modo esplicito nel codice:[/p]
[p][code]
$botSignatures = [
  'bot','spider','crawl','crawler','slurp','uptimerobot','pingdom',
  'gtmetrix','ahrefs','semrush','facebookexternalhit','googlebot',
  'curl','wget','python-requests','headless','node-fetch',
  'mediapartners-google','discordbot','telegrambot','preview'
];
[/code][/p]
[p]La funzione di classificazione applica queste firme direttamente allo User-Agent grezzo, senza normalizzazioni euristiche o punteggi probabilistici:[/p]
[p][code]
function isBotUA(string $ua): bool {
  if ($ua === '-' || $ua === '' || strlen($ua) $ts, 'sid'=>$sessionIdCounter];
[/code][/p]
[p]La logica è volutamente semplice e deterministica:[/p]
[ul]
[li][p]se una richiesta arriva da una chiave mai vista prima → [b]nuova sessione[/b][/p][/li]
[li][p]se arriva dalla stessa chiave ma oltre una soglia temporale definita → [b]nuova sessione[/b][/p][/li]
[li][p]altrimenti → [b]sessione in continuità[/b][/p][/li]
[/ul]
[p]Il timeout di sessione è esplicitamente configurabile e dichiarato nel codice:[/p]
[p][code]
$SESSION_TIMEOUT = 60; // secondi
[/code][/p]
[p]Questo valore non è arbitrario: rappresenta una scelta [b]conservativa e tecnica[/b], pensata per evitare l’accorpamento artificiale di accessi distinti. Un timeout breve riduce il rischio di considerare come “navigazione continua” ciò che in realtà è una [b]ripresa successiva[/b], magari da tab sospesa, refresh automatici o ritorni casuali.[/p]
[p]Il controllo temporale è implementato in modo diretto:[/p]
[p][code]
if ($ts - (int)$last['ts'] > $SESSION_TIMEOUT) {
  $sessionIdCounter++;
  $totalSessions++;
}
[/code][/p]
[p]Non esistono cookie di sessione, token persistenti o identificatori lato client. [b]La sessione esiste solo come inferenza temporale server-side[/b], valida esclusivamente nel contesto dell’analisi corrente.[/p]
[p]Questo approccio ha una conseguenza importante:[/p]
[ul]
[li][p]il numero di sessioni rappresenta [b]unità di attenzione osservabile[/b], non “visite gonfiate”[/p][/li]
[li][p]una singola persona può generare più sessioni nello stesso giorno, se il comportamento lo giustifica[/p][/li]
[li][p]l’assenza di persistenza elimina qualsiasi continuità artificiale tra giorni diversi[/p][/li]
[/ul]
[p]In altre parole, la sessione qui non è uno strumento di marketing, ma una [b]misura tecnica della discontinuità temporale delle richieste[/b]. Serve a distinguere un accesso puntuale da una navigazione prolungata, senza mai introdurre assunzioni non verificabili.[/p]
[h3]Analisi dei canali di traffico e classificazione dei referrer[/h3]
[p]Qui la classificazione dei canali non nasce da etichette “dichiarate” dal client, ma da un dato grezzo e verificabile: [b]l’header HTTP Referer[/b], letto direttamente dal log. Il punto chiave è che il sistema [b]non inventa[/b] un canale: se il referrer manca o non è interpretabile, non viene “spinto” dentro una categoria a forza.[/p]
[p]Prima cosa: un referrer viene considerato [i]interno[/i] (e quindi ignorato per la parte “canali”) se punta a [i]qualsiasi host codfis.it[/i], inclusi sottodomini. Questa è una scelta intenzionale per evitare che la navigazione tra strumenti dell’ecosistema venga conteggiata come “traffico esterno”. Il filtro è esplicito:[/p]
[p][code]
function isSelfReferer(string $ref): bool {
  if ($ref === '-' || $ref === '') return true;
  $url = @parse_url($ref);
  if (!$url || empty($url['host'])) return false;
  $h = strtolower((string)$url['host']);
  return (strpos($h,'codfis.it') !== false);
}
[/code][/p]
[p]Nota tecnica: [b][code]
strpos($h,'codfis.it') !== false
[/code][/b] è volutamente permissivo, così include anche [code]
www.codfis.it
[/code], [code]
isee.codfis.it
[/code], ecc.[/p]
[p]Solo se il referrer è [i]esterno[/i] si passa alla classificazione per canali. L’host viene estratto e confrontato con due whitelist semantiche (search e social). Niente regex complicate, niente euristiche strane: solo matching deterministico su stringhe note.[/p]
[p][code]
function classifyRefHost(string $host): string {
  $h = strtolower($host);
  $searchHosts = ['google.','bing.','yahoo.','duckduckgo.com','ecosia.org','search.brave.com','yandex.','baidu.','ask.com'];
  foreach($searchHosts as $s){ if (strpos($h,$s)!==false) return 'search'; }
  $socialHosts = ['facebook.com','m.facebook.com','l.facebook.com','lm.facebook.com','instagram.com','t.co','twitter.com','x.com','reddit.com','linkedin.com','tiktok.com'];
  foreach($socialHosts as $s){ if (strpos($h,$s)!==false) return 'social'; }
  return 'other';
}
[/code][/p]
[p]Qui c’è una scelta importante: [b]si classifica l’host del referrer, non l’URL visitata[/b]. Quindi i canali descrivono [i]da dove arriva[/i] l’utente, non “che pagina ha visto”.[/p]
[p]Quando un referrer è classificato, viene aggregato come conteggio per host. Questo ti permette di avere sia il totale del canale, sia il [i]dettaglio top host[/i] senza perdere informazione:[/p]
[p][code]
if ($cat === 'search') $refSearch[$h] = ($refSearch[$h] ?? 0) + 1;
elseif ($cat === 'social') $refSocial[$h] = ($refSocial[$h] ?? 0) + 1;
else $refOther[$h] = ($refOther[$h] ?? 0) + 1;
[/code][/p]
[p]C’è poi una distinzione fondamentale tra [b]canali “generali”[/b] e [b]WhatsApp “alta confidenza”[/b]: WhatsApp non viene gestito come un semplice social/referrer, perché spesso non passa un referer utile (e a volte [i]zero[/i] referer). Per questo viene trattato con una logica dedicata che usa [i]più segnali[/i].[/p]
[p]Il criterio “alta confidenza” è volutamente ridondante: basta che uno dei segnali sia forte.[/p]
[p][code]
function isWhatsAppHighConfidence(string $ua, string $referer, string $queryString): bool {
  $u = strtolower($ua);
  if (queryHasWhatsAppUtm($queryString)) return true;
  if ($referer !== '' && $referer !== '-') {
    $host = strtolower((string)@parse_url($referer, PHP_URL_HOST));
    if ($host === 'wa.me' || strpos($host, 'whatsapp.com') !== false) return true;
  }
  if (strpos($u, 'whatsapp') !== false) return true;
  return false;
}
[/code][/p]
[p]E la parte UTM è anch’essa [i]pulita[/i] e deterministica:[/p]
[p][code]
function queryHasWhatsAppUtm(string $queryString): bool {
  if ($queryString === '') return false;
  parse_str($queryString, $q);
  $vals = [];
  foreach (['utm_source','utm_medium','wtm_source'] as $k) {
    if (isset($q[$k])) $vals[] = strtolower((string)$q[$k]);
  }
  foreach ($vals as $v) {
    if ($v === 'whatsapp' || strpos($v, 'whatsapp') !== false || $v === 'wa') return true;
  }
  return false;
}
[/code][/p]
[p]Dettaglio cruciale: [b]WhatsApp viene conteggiato solo sulle pagine contenuto[/b], non sul traffico umano totale. Questo evita falsi positivi su asset e richieste tecniche e rende la metrica più “pulita”:[/p]
[p][code]
if (isContentPage($path, $host)) {
  ...
  if (isWhatsAppHighConfidence($ua, $referer, $queryString)) {
    $waHumanContentHits++;
    $waUniqueVisitors[$visKey] = true;
  }
}
[/code][/p]
[p]Risultato:[/p]
[ul]
[li][p][i]search[/i] e [i]social[/i] sono basati su referrer esterni reali[/p][/li]
[li][p][i]other[/i] raccoglie ciò che non è riconosciuto[/p][/li]
[li][p][i]WhatsApp alta confidenza[/i] è un canale separato, basato su [b]segnali multipli[/b] e applicato [b]solo al contenuto[/b][/p][/li]
[/ul]
[h3]Pagine contenuto: whitelist da sitemap e fallback euristico[/h3]
[p]La metrica [b]“Pagine viste contenuto (umane)”[/b] non è un semplice conteggio di hit “non asset”. È molto più restrittiva: per l’host [b]codfis.it[/b] viene usata una [b]whitelist ricostruita dalla sitemap[/b], così il contenuto è [i]esattamente[/i] ciò che tu dichiari indicizzabile/pubblico. Questo è il cuore del sistema: [i]la sitemap diventa la fonte autorevole[/i] per decidere cosa è contenuto, e cosa è “rumore”.[/p]
[h4]Lettura sitemap e costruzione whitelist (host+path)[/h4]
[p]La sitemap viene letta prima di scansionare i log, con doppio percorso: [b]file locale[/b] ([code]
/home/ruotemz/sitemap.xml
[/code]) se disponibile, altrimenti fallback HTTP dalla URL pubblica. La lettura è volutamente minimale e robusta: non fa parsing DOM (che spesso esplode su sitemap “grasse”), ma estrae i [code]

[/code] con regex in modo deterministico.[/p]
[p][code]
$sitemapFile = "/home/ruotemz/sitemap.xml";
$sitemapUrl  = "https://www.codfis.it/sitemap.xml";
$sitemapXml = readSitemapXml($sitemapFile, $sitemapUrl, $sitemapTimeout);
$contentWhitelist = buildContentWhitelistFromSitemap($sitemapXml);
$hasSitemapWhitelist = !empty($contentWhitelist);
[/code][/p]
[p]L’estrazione dei loc è lineare e [i]tollerante[/i] (non fallisce se trova entità o spazi strani):[/p]
[p][code]
function extractSitemapLocs(string $xml): array {
  $locs = [];
  if ($xml === '') return $locs;
  if (preg_match_all('~(.*?)~is', $xml, $m)) {
    foreach ($m[1] as $loc) {
      $u = html_entity_decode(trim((string)$loc), ENT_QUOTES | ENT_XML1, 'UTF-8');
      if ($u !== '') $locs[] = $u;
    }
  }
  return $locs;
}
[/code][/p]
[p]Poi, per ogni loc, viene costruita una chiave [b]normalizzata[/b] [i]host+path[/i] (esempio: [code]
codfis.it/isee
[/code] non esiste qui perché la whitelist è [i]solo[/i] per [code]
codfis.it
[/code]).[/p]
[p][code]
function buildContentWhitelistFromSitemap(string $xml): array {
  $set = [];
  $locs = extractSitemapLocs($xml);
  if (!$locs) return $set;
  foreach ($locs as $loc) {
    $p = @parse_url($loc);
    if (!$p || empty($p['host'])) continue;
    $host = normalizeHostForStats((string)$p['host']);
    $path = normalizePathForStats((string)($p['path'] ?? '/'));
    // whitelist SOLO per codfis root
    if ($host !== 'codfis.it') continue;
    $key = $host . $path;
    $set[$key] = true;
  }
  return $set;
}
[/code][/p]
[p]Due dettagli tecnici [i]fondamentali[/i] qui:[/p]
[ul]
[li][p][b][code]
normalizeHostForStats()
[/code][/b] collassa [code]
www.codfis.it
[/code] dentro [code]
codfis.it
[/code], così non ti spacca la whitelist in due mondi paralleli.[/p][/li]
[li][p][b][code]
normalizePathForStats()
[/code][/b] rimuove slash finali (tranne [code]
/
[/code]), riduce doppi slash e rende il path coerente con quello estratto dalle request nei log.[/p][/li]
[/ul]
[p][code]
function normalizeHostForStats(string $host): string {
  $h = strtolower(trim($host));
  $h = preg_replace('~:\d+$~', '', $h);
  if ($h === 'www.codfis.it') $h = 'codfis.it';
  return $h;
}
function normalizePathForStats(string $path): string {
  if ($path === '') return '/';
  $path = preg_replace('~/{2,}~', '/', $path);
  if ($path === '') $path = '/';
  if ($path !== '/' && substr($path, -1) === '/') $path = rtrim($path, '/');
  return $path === '' ? '/' : $path;
}
[/code][/p]
[h4]Regola “contenuto” per codfis.it: [i]solo se sta in sitemap[/i][/h4]
[p]Quando arriva una richiesta dai log, se l’host normalizzato è [code]
codfis.it
[/code] e la whitelist esiste, la pagina è considerata contenuto [b]solo[/b] se la chiave [code]
codfis.it + path
[/code] è in whitelist.[/p]
[p][code]
if ($h === 'codfis.it' && $hasSitemapWhitelist) {
  $key = $h . $p;
  return isset($contentWhitelist[$key]);
}
[/code][/p]
[p]Questa scelta fa due cose pesanti:[/p]
[ul]
[li][p]evita che [code]
/sitemap.php
[/code], [code]
/admin
[/code], endpoint tecnici, file “di servizio” o pagine temporanee finiscano nelle “pagine viste contenuto” solo perché non hanno estensione;[/p][/li]
[li][p]ti allinea i numeri a ciò che tu [i]vuoi[/i] trattare come contenuto pubblico.[/p][/li]
[/ul]
[h4]Esclusione totale di stat.codfis.it[/h4]
[p]Indipendentemente dalla whitelist, [b]stat.codfis.it non può mai essere contenuto[/b]. È una regola hard-coded: anche se qualcuno linka pagine di stat o se entrano in sitemap per errore, qui vengono scartate.[/p]
[p][code]
if ($h === 'stat.codfis.it') return false;
if ($p === '/stat.php' || $p === '/index.php' || $p === '/stat') return false;
if (strpos($p, '/stat/') === 0) return false;
[/code][/p]
[h4]Fallback euristico: solo quando la sitemap non è leggibile[/h4]
[p]Se per qualunque motivo la sitemap non è leggibile (file non accessibile, permessi, I/O, ecc.), entra un fallback prudente che cerca di distinguere contenuto da asset con criteri [b]conservativi[/b]:[/p]
[ul]
[li][p][code]
/
[/code] è contenuto[/p][/li]
[li][p]se c’è estensione “asset” (png/css/js/xml/woff/pdf/gz/log…) → non contenuto[/p][/li]
[li][p]se l’estensione è [code]
php
[/code] o [code]
html
[/code] → contenuto[/p][/li]
[li][p]se non c’è estensione, esclude prefissi tecnici ([code]
/assets/
[/code], [code]
/static/
[/code], [code]
/api/
[/code], ecc.) e il resto lo considera contenuto[/p][/li]
[/ul]
[p][code]
if ($p === '/') return true;
$base = basename($p);
$dotPos = strrpos($base, '.');
if ($dotPos !== false) {
  $ext = strtolower(substr($base, $dotPos + 1));
  $deny = ['png','jpg','jpeg','webp','gif','svg','ico','css','js','json','map','xml','txt','woff','woff2','ttf','eot','pdf','zip','rar','7z','gz','log'];
  if (in_array($ext, $deny, true)) return false;
  if (in_array($ext, ['php','html'], true)) return true;
  return false;
}
$denyPrefixes = ['/logs/','/assets/','/static/','/api/','/img/','/fonts/','/css/','/js/'];
foreach ($denyPrefixes as $pre) {
  if (strpos($p, $pre) === 0) return false;
}
return true;
[/code][/p]
[p]Questo fallback è utile, ma il messaggio tecnico è chiaro: [b]la qualità massima ce l'hai quando la whitelist sitemap è attiva[/b], perché il sistema diventa "intenzionale" e non "probabilistico".[/p]
[h3]Visitatori unici e sessioni: chiave tecnica e timeout operativo[/h3]
[p]Qui le metriche “umane” nascono da una scelta [b]semplice ma brutale[/b]: l’identità statistica di un visitatore è la coppia [b]IP + User-Agent[/b]. È una chiave che [i]non pretende[/i] di essere una persona, ma è [b]stabile abbastanza[/b] per fare analisi di traffico reale senza introdurre identificatori aggiuntivi.[/p]
[h4]Unici umani: IP + User-Agent[/h4]
[p]Nel codice, appena una riga di log supera i filtri (host ammesso, non esclusa, non bot), viene calcolata la chiave del visitatore:[/p]
[p][code]
// umano
$visKey = $ip . '|' . $ua;
$uniqueVisitors[$visKey] = true;
[/code][/p]
[p]Da qui derivano gli unici totali e quelli per giorno:[/p]
[p][code]
$uniqueVisitors[$visKey] = true;
if (!isset($uniqueVisitorsByDay[$day])) $uniqueVisitorsByDay[$day] = [];
$uniqueVisitorsByDay[$day][$visKey] = true;
[/code][/p]
[p]E per il grafico orario (solo [i]today/yesterday[/i]), gli unici per ora sono un set di [code]
visKey
[/code] per ogni fascia:[/p]
[p][code]
if ($wantHourly && $day === $targetDay && $hour >= 0 && $hour  ['ts'=>..., 'sid'=>...]
$sessionIdCounter = 0;
[/code][/p]
[p]La logica è una mini state-machine:[/p]
[p][code]
if (!isset($lastSeenByKey[$visKey])) {
  $sessionIdCounter++;
  $lastSeenByKey[$visKey] = ['ts'=>$ts, 'sid'=>$sessionIdCounter];
  $totalSessions++;
  $sessionsByDay[$day] = ($sessionsByDay[$day] ?? 0) + 1;
} else {
  $last = $lastSeenByKey[$visKey];
  if ($ts - (int)$last['ts'] > $SESSION_TIMEOUT) {
    $sessionIdCounter++;
    $lastSeenByKey[$visKey] = ['ts'=>$ts, 'sid'=>$sessionIdCounter];
    $totalSessions++;
    $sessionsByDay[$day] = ($sessionsByDay[$day] ?? 0) + 1;
  } else {
    $lastSeenByKey[$visKey]['ts'] = $ts;
  }
}
[/code][/p]
[p]Due conseguenze operative (che devi [i]volere[/i], non subire):[/p]
[ul]
[li][p][b]timeout corto = più sessioni[/b] (è un “burst detector”: separa micro-visite e ritorni veloci).[/p][/li]
[li][p][b]timeout lungo = meno sessioni[/b] (accorpa navigazioni distanziate).[/p][/li]
[/ul]
[p]Tu qui hai scelto [i]60 secondi[/i], quindi sessione = [b]cluster di attività ravvicinate[/b], non “visita lunga”.[/p]
[h4]Pagine viste contenuto: contatore “solo quando è contenuto”[/h4]
[p]La variabile che fa fede per “pagine viste contenuto” è [b]$contentHits[/b] (solo umani, e solo se [code]
isContentPage()
[/code] è true). In quel punto incrementi anche le serie per giorno e, se serve, per ora.[/p]
[p][code]
if (isContentPage($path, $host)) {
  $contentHits++;
  $pageviewsByDay[$day] = ($pageviewsByDay[$day] ?? 0) + 1;
  if ($wantHourly && $day === $targetDay && $hour >= 0 && $hour = 200 && $status = 300 && $status = 400 && $status = 500 && $status [code]
function isSelfReferer(string $ref): bool {
  if ($ref === '-' || $ref === '') return true;
  $url = @parse_url($ref);
  if (!$url || empty($url['host'])) return false;
  $h = strtolower((string)$url['host']);
  return (strpos($h,'codfis.it') !== false);
}
[/code][/p]
[p]E nel loop:[/p]
[code]
if (!isSelfReferer((string)$referer)) {
  $url = @parse_url((string)$referer);
  if ($url && !empty($url['host'])) {
    $h = strtolower((string)$url['host']);
    $cat = classifyRefHost($h);
    if ($cat === 'search') $refSearch[$h] = ($refSearch[$h] ?? 0) + 1;
    elseif ($cat === 'social') $refSocial[$h] = ($refSocial[$h] ?? 0) + 1;
    else $refOther[$h] = ($refOther[$h] ?? 0) + 1;
  }
}
[/code]
[p]Questo evita un errore comune: contare come "canale" la navigazione interna.[/p]
[p]In conclusione, i dati qui elaborati non servono a [i]stimare[/i] il traffico, ma ad [b]osservarlo[/b]. Ogni numero deriva da regole esplicite, applicate in modo uniforme a tutte le richieste, senza scorciatoie e senza inferenze opache. Il risultato non è una rappresentazione arbitraria delle visite, ma una fotografia [b]prudente e verificabile[/b] dell'attività reale sulle pagine di contenuto di CodFis.it. Per questo i valori mostrati vanno letti come [b]minimi affidabili[/b], non come massimi teorici: se crescono qui, significa che sta crescendo l'attenzione effettiva, e non il r[i]umore di fondo[/i].[/p]

Michelangelo Fonti Fabbretti

Informativa Privacy e Cookies Come funziona Blog Calcolo ISEE online Calcolo bollo e superbollo Calcolo Passaggio di Proprietà Auto & Moto Pubblicità Contatti

Quante visite riceve CodFis.it?

Traffico umano reale (focus su unici e pagine viste contenuto)

Traffico organico e canali principali

Top pagine contenuto (unici umani)

Dettaglio bot (esclusi dalle metriche umane)

Nota tecnica (metodologia e limiti)