Categories


Tags


【官方说法】百度蜘蛛抓取流量暴增的原因

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,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(推荐阅读:如何正确识别百度蜘蛛)

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,可以通过反馈中心来反馈,切记一定要提供详细的抓取日志截图。

来源:百度搜索资源平台 百度搜索学堂


Public @ 2011-07-18 15:38:37

apache、iis6、ii7独立ip主机屏蔽拦截蜘蛛抓取(适用vps云主机服务器)

* Apache:通过在网站主机的.htaccess文件中添加下面一行代码即可实现: `SetEnvIfNoCase User-Agent "bot|crawl|spider|Yahoo|ia_archiver| other_spider|Googlebot" bad_bot` * IIS6:打开IIS管理器,右键点击网站,点击“属性”,然后选择“文件夹”,点击高级,在高级属性中勾选

Public @ 2023-03-04 13:00:19

通过HTTP状态代码看搜索引擎怎么Crawl你的站

点 HTTP状态代码是指网站服务器对用户请求的响应结果。根据不同的HTTP状态代码,搜索引擎可以了解网页更新的频率,以及网页存在的情况,从而判断是否应该继续Crawl你的站点: HTTP 200:这是最常见的状态码,表示请求成功。搜索引擎会解析服务器返回的网页内容,并继续向您的站点爬取其他页面。 HTTP 301/302:这些状态码表示链接已经更改,搜索引擎会更新当前网页的链接,并继续爬取新

Public @ 2023-03-01 15:00:25

【官方说法】只需两步,正确识别百度蜘蛛(User-Agent)

经常听到开发者问,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地址范围动态变化不固定,我们无法对外公布。那么如何才能识别正确的百度蜘蛛呢?今日干货带你轻松两步正确识别百度蜘蛛: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

Public @ 2014-05-26 15:38:36

Baiduspider对一个网站服务器造成的访问压力如何?

Baiduspider是百度搜索引擎的爬虫程序,它会自动访问网站的页面并分析其中的内容,以更新百度搜索引擎的索引库。由于其高效的抓取速度和大量的抓取请求,Baiduspider可能会对一个网站服务器造成一定的访问压力。 具体来说,Baiduspider的访问压力主要表现在以下几个方面: 1. 网络带宽:Baiduspider抓取网站页面时会占用一定的网络带宽,如果网站服务器的带宽较小,那么可能

Public @ 2023-06-15 16:50:24

更多您感兴趣的搜索

0.467550s