专注数字产品开发
将创新和需求转化为专业的数字化解决方案

帮助企业在不断变化的数字环境中脱颖而出
©2023 Copyright reserverd

威海佰年网络技术有限公司 首页知识库

  • “百度蜘蛛”全面解析

    发布:2013-05-26 seozixuewang.com
  • 铛铛铛铛!

    好久不见,平小雕带着最新一期搜索问答剧场又双叒回来啦!

    第五集【搜索问答剧场】,为大家带来“百度蜘蛛”的全面解析,帮助大家清楚的了解“百度蜘蛛”在各种场景发挥的作用,为网站整体运营打下基础。

    【抓取篇】

    1、什么是Baiduspider?

    A:Baiduspider也叫百度蜘蛛,是百度搜索引擎的一个自动程序,它的作用是访问互联网上的网页,建立索引数据库,使用户能在百度搜索引擎中搜索到网站相关内容。

    2、Q:如何才能识别当前抓取是正确的百度蜘蛛?

    A:有两个方式可以判断百度蜘蛛。

    方式一:查看UA信息

    如果UA信息不对,可以直接判断为非百度搜索的蜘蛛。目前UA分为移动、PC、和小程序三个应用场景,这三个渠道UA分别如下:

    移动UA:

    Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,like Gecko)Version/5.1 Mobile Safari/10600.6.3 (compatible; Baiduspider/2.0;+http://www.baidu.com/search/spider.html)

    或

    Mozilla/5.0 (iPhone;CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko)Version/9.0 Mobile/13B143 Safari/601.1 (compatible; Baiduspider-render/2.0;+http://www.baidu.com/search/spider.html)

    PC UA:

    Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)

    或

    Mozilla/5.0 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)

    小程序UA:

    Mozilla/5.0 (iPhone;CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko)Version/9.0 Mobile/13B143 Safari/601.1 (compatible; Baiduspider-render/2.0;Smartapp; +http://www.baidu.com/search/spider.html)

    方式二:双向DNS解析认证

    第一步:DNS反查IP,开发者通过对日志中访问服务器的IP地址运行反向DNS查找,判断某只spider是否来自百度搜索引擎,Baiduspider的hostname以*.baidu.com或*.baidu.jp 的格式命名,非*.baidu.com或*.baidu.jp即为冒充。

    根据平台不同验证方法不同,如linux/windows/os三种平台下的验证方法分别如下:

    ①在linux平台下,可以使用host ip命令反解ip来判断是否来自Baiduspider的抓取。Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名,非 *.baidu.com 或 *.baidu.jp 即为冒充。

    ②在windows平台或者IBM OS/2平台下,可以使用nslookup ip命令反解ip来 判断是否来自Baiduspider的抓取 。

    ③在mac os平台下,可以使用dig 命令反解ip来 判断是否来自Baiduspider的抓取。

    第二步:对域名运行正向DNS查找。对第1步中通过命令检索到的域名运行正向DNS查找,验证该域名与您日志中访问服务器的原始IP地址是否一致,IP地址一致可确认spider来自百度搜索引擎,IP地址不一致即为冒充。

    3、Q:百度蜘蛛会一直抓我的网站吗?

    A:一般会的,若网站持续生产新资源、更新内容等,蜘蛛会持续抓取的。需要提醒的是,若网站需要百度蜘蛛抓取一定不要做任何封禁哦。(封禁相关参考下文内容)

    此外,您也可以检查网站访问日志,及时判断正确的百度蜘蛛,以防止有人恶意冒充百度蜘蛛来频繁抓取您的网站。

    4、Q:百度蜘蛛频繁光顾网站,导致网站服务器压力大,怎么办?

    A:若发现百度蜘蛛频繁抓取,可能是因为

    ① 网站存在新生产资源、更新内容待抓取更新;

    ② 可能存在恶意冒充百度蜘蛛,可以通过上文Q2“如何识别正常百度蜘蛛”的方法排查问题;

    若百度蜘蛛抓取频次过高,造成网站服务异常,可以通过搜索资源平台-【抓取频次】工具调整频次。

    【封禁篇】

    1、Q:网站的部分资源不希望被百度蜘蛛访问,该怎么做?

    A:百度蜘蛛遵守互联网robots协议。站长可以更新robots.txt文件,文件中明确不希望百度蜘蛛访问资源或目录等,并及时通过搜索资源平台-【Robots】工具,提交robots文件。

    需要注意,robots文件更新和提交后,搜索引擎需要逐渐完成更新,所以百度蜘蛛不是立即停止抓取网页,请耐心等待。

    2、Q:网站封禁百度蜘蛛,可能会带来哪些影响?

    A:网站资源优质,也没有其他违规问题,但是存在以下情况

    ①没有查询到百度蜘蛛任何抓取记录,

    ②在百度搜索中没有得到收录和展现,

    ③网站/目录存在流量异常下降的情况,

    ④在搜索结果中的摘要展现为“存在robots封禁”字样。

    若发现以上情况,可以先自查是否存在封禁百度蜘蛛的问题,及时解除封禁(解除封禁参考QA7),等待恢复。

    3、Q:如何解除封禁百度蜘蛛?

    A:常见的封禁行为包括robots封禁、封禁百度UA、封禁百度IP这三种,可以逐一排查解决:

    (1) 查看robots.txt文件,是否存在封禁记录。(一般robots.txt文件放置在网站根目录下。)

    (2)robots文件无异常,进一步排查是否存在封禁百度UA情况;

    方案一:执行 curl --head --user-agent 'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)' --request GET 'xxxxxxx'

    注:正常返回码是200,其他情况为异常。

    方案二:变更浏览器UA验证;

    (3)以上验证均无异常,最后进一步排查是否存在IP级别的封禁;

    常见的IP封禁,源自网站的防火墙系统配置,需要查看防火墙配置系统后台,检查是否存在百度蜘蛛的IP级别封禁措施。

    详情可参考《开发者如何解除封禁百度蜘蛛》

    ——什么是【搜索问答剧场】?

    【搜索问答剧场】是资源平台基于资源平台工具相关,对站长反馈的高频或常见问题的整体梳理总结,定期为开发者运营过程中产生的疑惑问题进行梳理解答,致力于为开发者提供更便捷的运营知识库。

    往期回顾:

    【第一集】“站点关联主体”常见问题解析

    【第二集】“站点Logo”常见问题解析

    【第三集】“流量异常”常见问题解析

    【第四集】“网站改版”常见问题解析

    来源:百度搜索资源平台


    seozixuewang




    手机扫码阅读

    更多资讯

    专业的技术驱动型网络技术公司,公司成立于2009年,12年专注数字产品开发,用创新迎合客户不断增长的需求,为客户提供专业的数字化解决方案, 为企业和品牌在不断变化的数字化环境中脱颖而出。

    威海网站建设, 威海微信公众号开发, 威海企业邮箱, 威海行业网站, 威海系统开发, 威海软件开发, 威海APP开发, 威海域名注册, 威海商标查询, 威海商标注册, 威海商标设计, 威海知识产权代理, 威海房产销控系统, 威海缺陷跟踪系统, 威海企业云/私有云解决方案, 威海企业邮局

    合作企业 COOPERATOR

    沐兮知识产权代理有限公司

    商标查询, 商标注册, 软件著作权申请, 商标续展, 知识产权代理
    撤三业务, 商标类法律文书咨询业务, 商标业务咨询

    阿里云

    域名注册, 企业邮局/邮箱注册, ECS, 香港主机, 海外主机

    联系我们 CONTACT

    山东 . 威海 青岛中路87 阿里巴巴四十大道 A1512号
    SERVICE@BRILINE.NET
    设计、建站、邮箱、主机、改版、维护
    开发、数据维护、私有云、服务器
    商标注册、变更、复审、答辩、续展、备案
      周一 - 周五 13385420936
    0.121830s