当前位置:首页 > 网站建设

【百度官方说明】百度蜘蛛抓取流量暴增的原因

时间:2018-11-23 15:42:03来源:
 

www.baidu.jp

Spider对网站抓取数量突增往往给站点带来很大烦恼,纷纷找平台想要Baiduspider IP白名单,但实际上baiduspider IP会随时变化,所以并不敢公布出来,担心站长设置不及时影响抓取效果。百度是怎么计算分配抓取流量的呢?站点抓取流量暴增的原因有哪些呢?

总体来说,Baiduspider会根据站点规模、历史上网站每天新产出的链接数量、已抓取网页的综合质量打分等等,来综合计算抓取流量,同时兼顾站长在抓取频次工具里设置的、网站可承受的最大抓取值。

从目前追查过的抓取流量突增的case中,原因可以分为以下几种:

1, Baiduspider发现站内JS代码较多,调用大量资源针对JS代码进行解析抓取

2, 百度其他部门(如商业、图片等)的spider在抓取,但流量没有控制好

3, 已抓取的链接,打分不够好,垃圾过多,导致spider重新抓取

4, 站点被攻击,有人仿冒百度爬虫(见下文关于BaiduSpider)

如果站长排除了自身问题、仿冒问题,确认BaiduSpider抓取流量过大的话,可以通过百度的反馈中心(http://zhanzhang.baidu.com/feedback)反馈,注:一定要提供详细的抓取日志截图。

关于BaiduSpider

如何正确识别Baiduspider移动ua

新版移动ua:

Mozilla/5.0 (linux;u;Android4.2.2;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)

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

之前通过“+http://www.baidu.com/search/spider.html”进行识别的网站请注意!需要修改识别方式,新的正确的识别Baiduspider移动ua的方法如下:  

1. 通过关键词“Android”或者“Mobile”来进行识别,判断为移动访问或者抓取。  

2. 通过关键词“Baiduspider/2.0”,判断为百度爬虫。

另外需要强调的是,对于robots封禁,如果封禁的agent是Baiduspider,会对PC和移动同时生效。即,无论是PC还是移动Baiduspider,都不会对封禁对象进行抓取。之所以要强调这一点,是发现有些代码适配站点(同一个url,PC ua打开的时候是PC页,移动ua打开的时候是移动页),想通过设置robots的agent封禁达到只让移动Baiduspider抓取的目的,但由于PC和移动Baiduspider的agent都是Baiduspider,这种方法是非常不可取的。

如何识别百度蜘蛛

百度蜘蛛对于站长来说可谓上宾,可是也有站长会发出这样的疑问:

我们如何判断疯狂抓我们网站内容的蜘蛛是不是百度的?

其实站长可以通过DNS反查IP的方式判断某只spider是否来自百度搜索引擎。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hostip命令反解ip来判断是否来自Baiduspider的抓取。Baiduspider的hostname以*.baidu.com*.baidu.jp的格式命名,非*.baidu.com或*.baidu.jp即为冒充。

2、在windows平台或者IBMOS/2平台下,可以使用nslookupip命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入nslookupxxx.xxx.xxx.xxx(IP地址)就能解析ip,来判断是否来自Baiduspider的抓取,Baiduspider的hostname以*.baidu.com*.baidu.jp的格式命名,非*.baidu.com或*.baidu.jp即为冒充。

3、在macos平台下,您可以使用dig命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入digxxx.xxx.xxx.xxx(IP地址)就能解析ip,来判断是否来自Baiduspider的抓取,Baiduspider的hostname以*.baidu.com*.baidu.jp的格式命名,非*.baidu.com或*.baidu.jp即为冒充。

Baiduspider IP是多少

即便很多站长知道了如何判断百度蜘蛛,仍然会不断地问“百度蜘蛛IP是多少”。并想将百度蜘蛛所在IP加入白名单,只准白名单下IP对网站进行抓取,避免被采集等行为。

百度方面表示,不建议站长这样做。虽然百度蜘蛛的确有一个IP池,真实IP在这个IP池内切换,但无法保证这个IP池整体不会发生变化。所以,建议站长勤看日志,发现恶意蜘蛛后放入黑名单,以保证百度的正常抓取。

同时,百度方面还强调:通过IP来分辨百度蜘蛛的属性是非常可笑的事情,所谓的“沙盒蜘蛛”“降权蜘蛛”等等是从来都不存在的。

相关阅读

什么是流量格子铺?淘宝的格子铺引入流量靠谱么?

什么是流量格子铺?淘宝的格子铺引入流量靠谱么?

流量疯长,看网赚引流的六大平台!

前几期和大家推送了文档分享赚钱这个正规的网赚项目,有好多人都纷纷发来消息回馈,自己确实赚到了钱,这是一个大好的消息。这证明这个

淘宝刷流量安全吗?会被封店吗

看到很多小伙伴在问淘宝刷流量安全吗?淘宝刷流量会被封店吗?这一类的问题,看来大家对于淘宝刷流量还是有点担心,所以今天憨憨seo

赞助网发展流量的一点小技巧

(希望站长网加强对评论的审核管理,以增加原创作者的创作信心,促进站长网的健康发展。图王审完该稿时请删除括号内内容)流量对于网站的

广告系统设计:流量提升

上一篇中,二哈简单的介绍了一下广告系统的整体架构,如果掌握的话,基本就可以搭建出一个完整的广告系统啦!那么问题来了,广告系统搭出来

分享到:

栏目导航

推荐阅读

热门阅读