【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
