“百度蜘蛛”全面解析
- 威海Spider 威海Baiduspider
- 1057
铛铛铛铛！
好久不见，平小雕带着最新一期搜索问答剧场又双叒回来啦！
第五集【搜索问答剧场】，为大家带来“百度蜘蛛”的全面解析，帮助大家清楚的了解“百度蜘蛛”在各种场景发挥的作用，为网站整体运营打下基础。
【抓取篇】
1、什么是Baiduspider？
A：Baiduspider也叫百度蜘蛛，是百度搜索引擎的一个自动程序，它的作用是访问互联网上的网页，建立索引数据库，使用户能在百度搜索引擎中搜索到网站相关内容。
2、Q：如何才能识别当前抓取是正确的百度蜘蛛？
A：有两个方式可以判断百度蜘蛛。
方式一：查看UA信息
如果UA信息不对，可以直接判断为非百度搜索的蜘蛛。目前UA分为移动、PC、和小程序三个应用场景，这三个渠道UA分别如下：
移动UA：
Mozilla/5.0 (Linux;u;Android 4.2.2;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)
或
Mozilla/5.0 (iPhone;CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko)Version/9.0 Mobile/13B143 Safari/601.1 (compatible; Baiduspider-render/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)
或
Mozilla/5.0 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)
小程序UA：
Mozilla/5.0 (iPhone;CPU iPhone OS 9_1 like Mac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko)Version/9.0 Mobile/13B143 Safari/601.1 (compatible; Baiduspider-render/2.0;Smartapp; +http://www.baidu.com/search/spider.html)
方式二：双向DNS解析认证
第一步：DNS反查IP，开发者通过对日志中访问服务器的IP地址运行反向DNS查找，判断某只spider是否来自百度搜索引擎，Baiduspider的hostname以*.baidu.com或*.baidu.jp 的格式命名，非*.baidu.com或*.baidu.jp即为冒充。
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，可以使用nslookup ip命令反解ip来 判断是否来自Baiduspider的抓取 。
③在mac os平台下，可以使用dig 命令反解ip来 判断是否来自Baiduspider的抓取。
第二步：对域名运行正向DNS查找。对第1步中通过命令检索到的域名运行正向DNS查找，验证该域名与您日志中访问服务器的原始IP地址是否一致，IP地址一致可确认spider来自百度搜索引擎，IP地址不一致即为冒充。
3、Q：百度蜘蛛会一直抓我的网站吗？
A：一般会的，若网站持续生产新资源、更新内容等，蜘蛛会持续抓取的。需要提醒的是，若网站需要百度蜘蛛抓取一定不要做任何封禁哦。（封禁相关参考下文内容）
此外，您也可以检查网站访问日志，及时判断正确的百度蜘蛛，以防止有人恶意冒充百度蜘蛛来频繁抓取您的网站。
4、Q：百度蜘蛛频繁光顾网站，导致网站服务器压力大，怎么办？
A：若发现百度蜘蛛频繁抓取，可能是因为
① 网站存在新生产资源、更新内容待抓取更新；
② 可能存在恶意冒充百度蜘蛛，可以通过上文Q2“如何识别正常百度蜘蛛”的方法排查问题；
若百度蜘蛛抓取频次过高，造成网站服务异常，可以通过搜索资源平台-【抓取频次】工具调整频次。
【封禁篇】
1、Q：网站的部分资源不希望被百度蜘蛛访问，该怎么做？
A：百度蜘蛛遵守互联网robots协议。站长可以更新robots.txt文件，文件中明确不希望百度蜘蛛访问资源或目录等，并及时通过搜索资源平台-【Robots】工具，提交robots文件。
需要注意，robots文件更新和提交后，搜索引擎需要逐渐完成更新，所以百度蜘蛛不是立即停止抓取网页，请耐心等待。
2、Q：网站封禁百度蜘蛛，可能会带来哪些影响？
A：网站资源优质，也没有其他违规问题，但是存在以下情况
①没有查询到百度蜘蛛任何抓取记录，
②在百度搜索中没有得到收录和展现，
③网站/目录存在流量异常下降的情况，
④在搜索结果中的摘要展现为“存在robots封禁”字样。
若发现以上情况，可以先自查是否存在封禁百度蜘蛛的问题，及时解除封禁（解除封禁参考QA7），等待恢复。
3、Q：如何解除封禁百度蜘蛛？
A：常见的封禁行为包括robots封禁、封禁百度UA、封禁百度IP这三种，可以逐一排查解决：
（1） 查看robots.txt文件，是否存在封禁记录。（一般robots.txt文件放置在网站根目录下。）
（2）robots文件无异常，进一步排查是否存在封禁百度UA情况；
方案一：执行 curl --head --user-agent 'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)' --request GET 'xxxxxxx'
注：正常返回码是200，其他情况为异常。
方案二：变更浏览器UA验证；
（3）以上验证均无异常，最后进一步排查是否存在IP级别的封禁；
常见的IP封禁，源自网站的防火墙系统配置，需要查看防火墙配置系统后台，检查是否存在百度蜘蛛的IP级别封禁措施。
详情可参考《开发者如何解除封禁百度蜘蛛》
——什么是【搜索问答剧场】？
【搜索问答剧场】是资源平台基于资源平台工具相关，对站长反馈的高频或常见问题的整体梳理总结，定期为开发者运营过程中产生的疑惑问题进行梳理解答，致力于为开发者提供更便捷的运营知识库。
往期回顾：
【第一集】“站点关联主体”常见问题解析
【第二集】“站点Logo”常见问题解析
【第三集】“流量异常”常见问题解析
【第四集】“网站改版”常见问题解析
来源：百度搜索资源平台
