百度蜘蛛抓取频次暴增的原因【百度官方】 | KaneSEO

百度蜘蛛抓取频次暴增的原因【百度官方】

Spider对网站抓取频次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频次的呢?站点抓取频次暴增的原因有哪些呢?

一、蜘蛛抓取频次分配原则

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,来综合计算抓取频次,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。

二、蜘蛛抓取频次暴增原因

从目前追查过的抓取频次突增的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,sorry
  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

三、如何正确识别BaiduSpider?

百度蜘蛛对于站长来说可谓上宾,可是我们曾经遇到站长这样提问: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、Linux平台验证

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

百度蜘蛛IP识别

2、Windows平台验证

windows平台或者IBM OS/2平台下,您可以使用nslookup ip命令反解ip 判断是否来自Baiduspider的抓取。打开命令处理器 输入nslookup xxx.xxx.xxx.xxxIP 址)就能解析ip 来判断是否来自Baiduspider的抓取,Baiduspiderhostname*.baidu.com *.baidu.jp 的格式命名,非 *.baidu.com  *.baidu.jp 即为冒充。

3、OS平台验证

mac os平台下,您可以使用dig 命令反解ip 判断是否来自Baiduspider的抓取。打开命令处理器 输入dig xxx.xxx.xxx.xxxIP 址)就能解析ip 来判断是否来自Baiduspider的抓取,Baiduspiderhostname *.baidu.com *.baidu.jp 的格式命名,非 *.baidu.com  *.baidu.jp 即为冒充。

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,可以通过反馈中心(http://zhanzhang.baidu.com/feedback)来反馈,切记一定要提供详细的抓取日志截图。

原文链接:http://zhanzhang.baidu.com/college/articleinfo?id=898

版权声明:本文著作权归原作者所有,欢迎分享本文,谢谢支持!
转载请注明:百度蜘蛛抓取频次暴增的原因【百度官方】 | KaneSEO

发表评论