最全网站日志分析攻略,全面解析百度蜘蛛!

众所周知,百度蜘蛛爬虫对于网站SEO有很好的索引和帮助,能够快速在百度首页通过关键词搜索直达您的网站。

百度蜘蛛(Baiduspider)爬取

是搜索引擎获得页面内容的一个重要的途径,通过蜘蛛的抓取可以得到一个页面的最主要的内容从而收录百度数据库系统,每次抓取之后都会再与数据库原有的信息进行比对,来确定页面的总体质量。

那么,每当蜘蛛来抓取的时候都会被网站日志文件记录下来,具体包括抓取时间,抓取的页面以及蜘蛛来路IP地址,上次说到百度蜘蛛(Baiduspider)ip来路基本能够反映出不同蜘蛛对站点不同页面的喜好程度,从侧面也反映出整个网站不同页面的权重值,通过自己一系列的分析,可以较为准确的评估整站的权重分布,对于seo、文章内容价值、用户体验都起到很好的参考价值。

经常听到站长们问,百度蜘蛛是什么?最近百度蜘蛛来的太频繁服务器抓爆了,最近百度蜘蛛都不来了怎么办,还有很多站点想得到百度蜘蛛的IP段,想把IP加入白名单,但IP不固定,我们无法对外公布。

那怎么才能识别正确的百度蜘蛛呢?来来来,只需两步,教你正确识别百度蜘蛛

1、查看UA,如果UA都不对,可以直接判断非百度搜索的蜘蛛,目前对外公布过的UA是:

移动UA:Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,likeGecko) 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)

新增渲染UA:

移动UA:Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 likeMac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143Safari/601.1 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)

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

2、反查IP

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

2)在windows平台或者IBM OS/2平台下,您可以使用nslookup ip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nslookup xxx.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 或*.baidu.jp 的格式命名,非 *.baidu.com 或 *.baidu.jp 即为冒充。

3) 在mac os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dig xxx.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 或*.baidu.jp 的格式命名,非 *.baidu.com 或 *.baidu.jp 即为冒充。

例如:通过下面这段日志找到baiduspider,不难发现这个IP是假蜘蛛!

日志展示:

112.34.110.136 – – [29/Nov/2021:10:35:22 +0800] “GET /robots.txt HTTP/1.1” 301 162 “-” “-” 112.34.110.141 – – [29/Nov/2021:10:35:27 +0800] “GET /robots.txt HTTP/1.1” 301 162 “-” “-” 27.159.66.51 – – [29/Nov/2021:10:43:45 +0800] “GET / HTTP/1.1” 301 162 “-” “Go-http-client/1.1” 209.17.96.58 – – [29/Nov/2021:10:47:15 +0800] “GET / HTTP/1.0” 301 162 “-” “Mozilla/5.0 (compatible; Nimbostratus-Bot/v1.3.2; https://m1.fit)” 27.159.66.45 – – [29/Nov/2021:11:05:35 +0800] “GET / HTTP/1.1” 301 162 “-” “Go-http-client/1.1” 117.25.139.73 – – [29/Nov/2021:11:16:40 +0800] “GET / HTTP/1.1” 301 162 “-” “Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)” 101.198.192.11 – – [29/Nov/2021:11:16:43 +0800] “GET /favicon.ico HTTP/1.1” 301 162 “-” “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36” 101.198.192.11 – – [29/Nov/2021:11:16:44 +0800] “GET / HTTP/1.1” 301 162 “-” “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36” 113.200.239.202 – – [29/Nov/2021:11:18:52 +0800] “GET /favicon.ico HTTP/1.1” 301 162 “-” “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36” 117.25.139.73 – – [29/Nov/2021:11:20:32 +0800] “GET / HTTP/1.1” 301 162 “-” “Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)” 36.150.60.24 – – [29/Nov/2021:11:27:13 +0800] “GET / HTTP/1.1” 301 162 “-” “Dalvik/2.1.0 (Linux; U; Android 9.0; ZTE BA520 Build/MRA58K)”

下面的百度蜘蛛IP造访,准备抓取你东西,抓取网页的百度蜘蛛。 60.172.229.61 61.129.45.72 61.135.162.*

百度竞价蜘蛛 61.135.165.134 117.34.74.66 118.122.188.194 119.63.196.9 125.39.78.185

(百度联盟爬虫),说白了就是百度统计。 61.135.186.*

站长工具模仿的百度蜘蛛。 61.147.98.146 61.188.39.16 113.98.254.245 117.21.220.245 117.28.255.42

114站长工具箱(这个是你的网站不稳定时常来的) 119.147.114.213 121.10.141.*

百度图片爬虫 123.15.**.**

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。 123.125.68.*

抓取内页收录的,权重较低,爬过此段的内页文章暂时被收录但不放出来(意思也就是说待定),因不是原创或采集文章。(百度网页爬虫(百度图片爬虫) 123.125.71.*

搜外站长工具蜘蛛。 124.248.34.52

也属于百度蜘蛛IP 主要造成成分,是新上线站较多,还有使用过站长工具,或SEO综合检测造成的,没有多大用。 125.90.88.*

百度蜘蛛 159.226.50.* 180.76.5.* 180.76.5.87 220.181.158.107

伪装百度蜘蛛IP 180.149.130.*

这个ip段出现在新站及站点有不正常现象后。 183.91.40.144 203.208.60.*

这个ip段不间断巡逻各站,就是路过一下。 210.72.225.*

每天这个IP 段只增不减很有可能进沙盒或K站 218.30.118.102 220.181.68.* 123.125.68.* 220.181.68.*

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!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。 220.181.108.*

代表百度蜘蛛IP来访准备抓取你东西 220.181.7.* 123.125.66.*

这个ip段作为度过新站考察期 121.14.89.*

这个ip段出现在新站或站点有不正常现象后 203.208..60.*

这个ip段不间断巡逻各站 210.72.225.*

这个是百度抓取首页的专用IP如是220.181.108段的ip来的话基本来说网站会天天隔夜快照,绝对错不了的 220.181.108.95

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

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 123.125.71.106

属于综合的。主要抓取首页和内页或者其它页面。属于权重IP段, 抓过的文章或首页基本24小时放出来 220.181.108.91

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

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

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 123.125.71.95 123.125.71.97

专用抓取首页ip 权重段,一般返回代码304 0 0代表未更新 220.181.108.89 220.181.108.94 220.181.108.97 220.181.108.80 220.181.108.77

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 123.181.108.77

专用抓取首页ip 权重段,一般返回代码304 0 0代表未更新

220.181.108.83

附录百度蜘蛛IP地址

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,还有使用过站长工具,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。(悲剧的我竟然屏蔽了这个IP)

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。(嗯,还有这个也屏蔽了,晕死了!)

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。(这个也有,汗!)

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。(这个,……!)

220.181.108.86专用抓取首页IP权重段,一般返回代码是30400代表未更新。(还有这个……)

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30400代表未更新。(好吧,220开头的好像都被我屏蔽了,下手真心有点儿太狠了!)

220.181.108.94专用抓取首页IP权重段,一般返回代码是30400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30400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30400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30400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,因不是原创或是采集文章。

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.。

220.181.108.83专用抓取首页IP权重段,一般返回代码是30400代表未更新。 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! 一般成功抓取返回代码都200,返回304代表网站没更新。

赞 (0)

评论

6+4=