搜索引擎蜘蛛爬行网站足迹解读

195 阅读 0 评论 129 点赞

我是靠谱客的博主美丽钥匙，最近开发中收集的这篇文章主要介绍搜索引擎蜘蛛爬行网站足迹解读，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

你把IIS日志从空间下到本地，然后用文本工具打开;

　　2010-05-14 15:52:03 W3SVC1 121。187。5。143 GET /category-8-b0-min1100-max2200.html - 80 - 220.181.7.74 Baiduspider+(+baidu/search/spider.htm) 200 0 0

　　分析下 200 0 0组成部分 sc-status(协议状态) sc-substatus(协议子状态) sc-win32-status(Win32状态码)

　　sc-status(协议状态)： 200 连接成功

　　sc-substatus(协议子状态) ：0 成功

　　sc-win32-status(Win32状态码)：0 代表抓取成功并带回数据库 ; 64 指定的网络名不再可用

　　1: 在这个访问记录里面121.187.5.143是你服务器的IP地址，220.181.7.74 是bd蜘蛛的IP，/category-8-b0-min1100-max2200.html 为蜘蛛访问你的页面　80是端口　GET是打开方式　W3SVC1是记录的文件夹，这里说明，bd蜘蛛已经访问了你的category-8-b0- min1100-max2200.html 这个页面，那么最重要的是最后面的这个参数200 0 0。

　　2、200 0 0 成功访问该页面，0代表抓取成功并带回数据库。这个时候你就放心了，这个页面已经被bd收录，但是还没有释放出来，bd更新时就可能释放出来。

　　3：200 0 64 网络上流传着这么三种解释第一：64为K站的前兆。第二64的出现只是64位操作系统。第三：网络不可达，由于某种原因无法完全打开页面，或者网络不稳定这些原因，导致蜘蛛无法带回页面或者说不抓取该页面，所以200 0 64的解释也应该为：访问了该页面，但并没有任何抓取也没有带回数据库。这种原因多为空间不稳定、服务器不稳定。

　　4：304 0 0这个返回码代表蜘蛛访问的页面没有更新，和他之前来的时候是一样的，所以看到这个不要担心，蜘蛛来过，只不过你没有更新，所以他也不愿意带走这个页面。

　　5：404 0 0这个是代表404页面，但是有个很严重的问题，这个返回码告诉我们，蜘蛛来到了404页面并把他带走了，崩溃～～～～，要是这样的话基本上你要倒霉了，要你有太多的404，那么蜘蛛就会不断是抓取，不断的带走，这样会造成无数的重复页面，最终导致K站或者降权，正确的返回骂是404 0 64　这就代表蜘蛛没有抓取你这个页面。

　　6：500错误500错误是服务器内部错误，是由程序的错误造成的，我不懂程序，但是500错误是会给你减分的，这点基本的逻辑都可以想的到，要发现500错误，马上查看是哪个页面的，然后去修正以下错误吧!

　　7：302要在日志中发现302的返回码也是需要注意的，302为临时重定向，要你是长期的将这个页面重定向到另一个页面，麻烦你使用301永久重定向，要是302的话bd蜘蛛下次来还会访问这个页面，这样又会造成复制大量页面的问题，结果肯定是K，所以，抽空检查以下。

　　陈中平的回复：

　　每个网络蜘蛛都有自己的名字，在抓取网页的时候，都会向网站标明自己的身份。网络蜘蛛在抓取网页的时候会发送一个请求，这个请求中就有一个字段为User-agent，用于标识此网络蜘蛛的身份。例如Google网络蜘蛛的标识为GoogleBot，Baidu网络蜘蛛的标识为BaiDuSpider，Yahoo网络蜘蛛的标识为Inktomi Slurp。如果在网站上有访问日志记录，网站管理员就能知道，哪些搜索引擎的网络蜘蛛过来过，什么时候过来的，以及读了多少数据等等。

　　通过ftp，查看到后台有一个包含“log”的文件。这个文件就是日志。通过查看日志中是否有baiduspider的脚印。有baiduspider就说明bd蜘蛛来过网站。

　　小刀SEO 的回复：

　　网站日志一般存放在虚拟主机的logfiles文件夹下，可以通过FTP工具将网站日志下载下来，通过txt文档方式查看。