[官方]百度蜘蛛抓取流量暴增的原因

網站建設 2023-09-16 次

　　先我們來說說這兩個問題，百度是怎么計算分配抓取流量的呢？站點抓取流量暴增的原因有哪些呢？

　　總體來說，Baiduspider會根據站點規模、歷網站每天新產出的鏈接數量、已抓取網頁的綜合質量打分等等，來綜合計算抓取流量，同時兼顧站長在抓取頻次工具里設置的、網站可承受的大抓取值。

　　從目前追查過的抓取流量突增的case中，原因可以分為以下幾種：

　　1、Baiduspider發現站內JS代碼較多，調用大量資源針對JS代碼進行解析抓取；
　　2、百度其他部門（如商業、圖片等）的spider在抓取，但流量沒有控制好；
　　3、已抓取的鏈接，打分不夠好，垃圾過多，導致spider重新抓取；
　　4、站點被攻擊，有人仿冒百度爬蟲（見下文關于BaiduSpider）。

　　如果站長排除了自身問題、仿冒問題，確認BaiduSpider抓取流量過大的話，可以通過百度的反饋中心（http：//zhanzhang.baidu.com/feedback）反饋，注：一定要提供詳細的抓取日志截圖。

　　關于BaiduSpider

　　如何正確識別Baiduspider移動ua

　　新版移動ua：

　　Mozilla/5.0(Linux；u；Android4.2.2；zh-cn；)

　　AppleWebKit/534.46(KHTML，likeGecko)

　　Version/5.1MobileSafari/10600.6.3(compatible；Baiduspider/2.0；+http：//www.baidu.com/search/spider.html)

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

　　之前通過“+http：//www.baidu.com/search/spider.html”進行識別的網站請注意！需要修改識別方式，新的正確的識別Baiduspider移動ua的方法如下：

　　1、通過關鍵詞“Android”或者“Mobile”來進行識別，判斷為移動訪問或者抓取；
　　2、通過關鍵詞“Baiduspider/2.0”，判斷為百度爬蟲。

　　另外需要強調的是，對于robots封禁，如果封禁的agent是Baiduspider，會對PC和移動同時生效。即無論是PC還是移動Baiduspider，都不會對封禁對象進行抓取。之所以要強調這一點，是發現有些代碼適配站點（同一個url，PCua打開的時候是PC頁，移動ua打開的時候是移動頁），想通過設置robots的agent封禁達到只讓移動Baiduspider抓取的目的，但由于PC和移動Baiduspider的agent都是Baiduspider，這種方法是非常不可取的。

　　如何識別百度蜘蛛

　　百度蜘蛛對于站長來說可謂上賓，可是也有站長會發出這樣的疑問：

　　我們如何判斷瘋狂抓我們網站內容的蜘蛛是不是百度的？

　　其實站長可以通過DNS反查IP的方式判斷某只spider是否來自百度搜索引擎。根據平臺不同驗證方法不同，如linux/windows/os三種平臺下的驗證方法分別如下：

　　1、在linux平臺下，可以使用hostip命令反解ip來判斷是否來自Baiduspider的抓取。Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即為冒充。
　　2、在windows平臺或者IBMOS/2平臺下，可以使用nslookupip命令反解ip來判斷是否來自Baiduspider的抓取。打開命令處理器輸入nslookupxxx.xxx.xxx.xxx（IP地址）就能解析ip，來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即為冒充。
　　3、在macos平臺下，您可以使用dig命令反解ip來判斷是否來自Baiduspider的抓取。打開命令處理器輸入digxxx.xxx.xxx.xxx（IP地址）就能解析ip，來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即為冒充。

　　BaiduspiderIP是多少

　　即便很多站長知道了如何判斷百度蜘蛛，仍然會不斷地問“百度蜘蛛IP是多少”。并想將百度蜘蛛所在IP加入白名單，只準白名單下IP對網站進行抓取，避免被采集等行為。

　　百度方面表示，不建議站長這樣做。雖然百度蜘蛛的確有一個IP池，真實IP在這個IP池內切換，但無法保證這個IP池整體不會發生變化。所以，建議站長勤看日志，發現惡意蜘蛛后放入黑名單，以保證百度的正常抓取。

　　同時，百度方面還強調：通過IP來分辨百度蜘蛛的屬性是非常可笑的事情，所謂的“沙盒蜘蛛”“降權蜘蛛”等等是從來都不存在的。

上一篇:如何判斷網站的外鏈質量

返回列表網站建設