【百度官方说明】百度蜘蛛抓取流量暴增的原因

  • A+
所属分类:天涯八卦

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。

【百度官方说明】百度蜘蛛抓取流量暴增的原因

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。

注:相关网站建设技巧阅读请移步到建站教程频道。

历史上的今天:

  • 我的微信
  • 微信扫一扫
  • weinxin
  • 红包福利社
  • 微信扫一扫
  • weinxin
微信红包网

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: