宏图网络主要业务是东莞网站建设和东莞网站优化外包服务
   网站优化   
   英文整站SEO服务   

  联系我们

公司名称:东莞市宏图电子科技有限公司
全国服务热线:4006076981
手机号码:13925776557
联 系 人:黄先生
在 线 QQ:284962830 点击这里给我发消息
电子邮箱:sun@idoall.net
公司地址:广东省东莞市莞城八达路169号中环大厦602

网站优化
您现在的位置:首页 > 网站优化 > 优化知识

如何确认百度蜘蛛是否来过你的网站

来源:东莞市宏图网络科技有限公司 日期:2014-6-9 11:41:59 责任编辑:admin 浏览次数:431次

作为网络推广人员、特别是东莞百度优化人员,大家经常会谈到蜘蛛抓取,那么怎么确定蜘蛛有没有来过你的网站呢?通常网站的日志会告诉我们这些信息,这里以本公司优化的锂离子电池网www.dghpdc.com举例,使用的是虚拟空间,在网站根目录下WebLog文件夹(有些是log文件夹)有一些ex日期.log文本文件,比如锂离子电池网weblog目录下有个文件ex121227.log.rar。在这里提醒大家,如果在你的log文件夹里没有文件,可能需要你到虚拟空间后台先下载日志文件到FTP空间,也就是下载到你的网站根目录的log文件夹时里。我们选择ex121105.log下载到本地,用记事本打开,在日志文件中搜索“spider”这个词,也就是蜘蛛的意思。有可能会发现以下的代码:baiduspider、sosospider 、sougouspider。 

备注:常见蜘蛛代码: 

google蜘蛛: googlebot

百度蜘蛛:baiduspider

yahoo蜘蛛:slurp

soso蜘蛛:sosospider

msn蜘蛛:msnbot

有道蜘蛛:YodaoBot和OutfoxBot

搜狗蜘蛛:sougouspider

当然,前提是这些蜘蛛来过你的网站,否则是没有这些代码的。

我们选择一条百度蜘蛛代码“baiduspider”的记录,看下里面的代码: 2

013-01-02 16:38:34 W3SVC303 VHOST10144113 113.10.144.122 GET /431.html - 80 - 123.125.71.76 HTTP/1.1 Mozilla/5.0+(

compatible;+Baiduspider/2.0;++http://www.baidu.com/search/spider.html) - www.dghpdc.com 200 0 0 11630 316 187

下面我来解释下这段代码:

1、2013-01-02 16:38:34 是百度蜘蛛来的日期和时间。

2、GET /431.html是百度蜘蛛访问的页面 get表示获取的意思。

3、80是端口

4、123.125.71.76是百度蜘蛛的ip地址

5、Baiduspider 就是指百度蜘蛛了

6、www.dghpdc.com 锂离子电池|大容量锂离子电池|聚合物锂电池|圆柱锂电池-东莞华普电池科技有限公司

7、200表示抓取成功,这是百度蜘蛛爬行后返回的代码。另外还有一些其他的代码: 2xx 成功

200 正常;请求已完成。

201 正常;紧接 POST 命令。

202 正常;已接受用于处理,但处理尚未完成。

203 正常;部分信息 — 返回的信息只是一部分。

204 正常;无响应 — 已接收请求,但不存在要回送的信息。

3xx 重定向

301 已移动 — 请求的数据具有新的位置且更改是永久的。

302 已找到 — 请求的数据临时具有不同 URI。

303 请参阅其它 — 可在另一 URI 下找到对请求的响应,且应使用 GET 方法检索此响应。

304 未修改 — 未按预期修改文档。

305 使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。

306 未使用 — 不再使用;保留此代码以便将来使用。

4xx 客户机中出现的错误

400 错误请求 — 请求中有语法问题,或不能满足请求。

401 未授权 — 未授权客户机访问数据。

402 需要付款 — 表示计费系统已有效。

403 禁止 — 即使有授权也不需要访问。

404 找不到 — 服务器找不到给定的资源;文档不存在。

407 代理认证请求 — 客户机首先必须使用代理认证自身。

410 请求的网页不存在(永久);

415 介质类型不受支持 — 服务器拒绝服务请求,因为不支持请求实体的 格式。

5xx 服务器中出现的错误

500 内部错误 — 因为意外情况,服务器不能完成请求。

501 未执行 — 服务器不支持请求的工具。

502 错误网关 — 服务器接收到来自上游服务器的无效响应。

503 无法获得服务 — 由于临时过载或维护,服务器无法处理请求

常见百度蜘蛛ip

根据不同的IP我们可以分析网站是个怎样的状态, 以下常见的百度蜘蛛IP:

123.125.68.*这个蜘蛛经常来,别的来的少,表示网站可能要进入沙盒了,或被者降权。

220.181.68.*每天这个IP 段只增不减很有可能进沙盒或K站。

220.181.7.*、123.125.66.* 代表百度蜘蛛IP造访,准备抓取你东西。

121.14.89.*这个ip段作为度过新站考察期。

203.208.60.*这个ip段出现在新站及站点有不正常现象后。

210.72.225.*这个ip段不间断巡逻各站。

125.90.88.* 广东茂名市电信也属于百度蜘蛛IP 主要造成成分,是新上线站较多,还有使用一些站长工具工具,或SEO综合检测造成的。

220.181.108.95这个是百度抓取首页的专用IP,如是220.181.108段的话,基本来说你的网站会天天隔夜快照,绝对错不了的,我保证。

220.181.108.92 同上98%抓取首页,可能还会抓取其他 (不是指内页)220.181段属于权重IP段此段爬过的文章或首页基本24小时放出来。

123.125.71.106 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。

220.181.108.91属于综合的,主要抓取首页和内页或其他,属于权重IP 段,爬过的文章或首页基本24小时放出来。

220.181.108.75重点抓取更新文章的内页达到90%,8%抓取首页,2%其他。权重IP 段,爬过的文章或首页基本24小时放出来。

220.181.108.86专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

123.125.71.95 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。

123.125.71.97 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。

220.181.108.89专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

220.181.108.94专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

220.181.108.97专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

220.181.108.80专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

220.181.108.77 专用抓首页IP 权重段,一般返回代码是304 0 0 代表未更新。

123.125.71.117 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。

220.181.108.83专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。

注:以上IP尾数还有很多,但段位一样的123.125.71.*段IP 代表抓取内页收录的权重比较低.可能由于你采集文章或拼文章暂时被收录但不放出来.(意思也就是说待定)。

220.181.108.*段IP主要是抓取首页占80%,内页占30%,这此爬过的文章或首页,绝对24小时内放出来和隔夜快照的,这点我可以保证!

一般成功抓取返回代码都是 200 0 0返回304 0 0代表网站没更新,蜘蛛来过,如果是 200 0 64别担心这不是K站,可能是网站是动态的,所以返回就是这个代码。

看完以上的内容,你也可以通过查询查看自己的网站是否有百度蜘蛛爬过,就知道百度有没有很好的检索你的网站了。站长们,加油吧!(文/伦礼师)

技术支持
点击这里给我发消息
技术支持
点击这里给我发消息
技术支持
点击这里给我发消息