搜狗资源平台-抓取诊断帮助
功能说明
检查网页是否被黑，通常被黑的网页会对搜狗的UA返回特定的网页，针对用户以另一种样式展现，抓取诊断工具就可以帮助您判断页面在搜狗UA下的表现是否和预期一致。
检测搜狗是否能顺利抓取您的网站，协助您在修改服务器配置、迁移等工作后检查是否生效，提升收录数据。
诊断抓取内容是否符合预期，例如很多新闻滚动列表页，新闻信息是通过JavaScript输出的，对搜狗蜘蛛不友好，具体新闻列表较难在搜索中应用。问题修正后，可用诊断工具再次抓取检验。
常见错误类型解析
错误一重定向错误
重定向是指搜狗spider访问链接时发生了跳转，如果跳转后的链接超长或者连续跳转的次数超过5次，就会发生重定向错误而导致抓取失败。
错误二服务器连接错误
出现这种情况可能的原因有:
* 如果您的服务器运行缓慢或者流量较大出现带宽瓶颈， 可能就无法及时响应搜索爬虫发出的请求，导致影响您的收录（如果您的站点持续出现服务器连接错误，也将导致你网站在搜狗的索引下线直接影响流量），请结合自身网站压力适当调节服务器配置以及带宽上线。
* 您可能会由于系统级问题而阻止了搜狗爬虫访问，例如配置不当的防火墙或DoS防护系统、内容管理系统配置问题。防御系统是保证托管服务正常运行的关键因素之一，并且这些系统通常会配置为自动阻止超量的服务器请求。由于单台搜狗IP发出的请求通常要比普通用户多，因此可能会触发这些防御系统，导致它们阻止搜狗spider访问并抓取您的网站。要解决此类问题，您需要确定网站基础架构中的哪个部分在阻止搜狗spider访问，然后取消该阻止。如果您没有控制防火墙的权限，就需要与您的托管服务提供商联系解决此问题。
错误三robots封禁问题
在抓取诊断工具中如果返回的抓取失败结论是robots封禁，请确认您是否在网站根目录下放置robots.txt文件并且配置封禁了搜狗的爬虫。由于搜狗爬虫遵守robots协议，该配置会影响搜索引擎收录您的网页，直接影响后续的索引和流量。如果你修改了该项配置不在封禁，搜狗爬虫会在一定周期内更新您的robots文件，该过程对您透明。
错误四DNS问题
DNS错误是指由于服务器停止运行或DNS到您网域的路由存在问题，导致搜狗spider无法与DNS服务器通信。
* 如何处理DNS错误？
确保搜狗能够抓取您的网站。对重要网页（例如您的首页）采用抓取诊断工具，如果它能顺利返回您的首页内容，那么您就可以认为搜狗能够正常访问您的网站。
对于持续的或反复出现的DNS错误，请与您的DNS提供商或者域名服务商联系。确保您在域名服务商哪里注册的域名和绑定的IP是您指定的。
错误五404问题
一般情况下，当搜狗spider访问到不存在的网页（因为您删除或重命名了网页且没有将旧网址重定向到新网页，或者链接中存在拼写错误）时，就会出现“未找到”状态错误（通常是404 HTTP状态代码）。
错误六访问遭拒绝
一般情况下，搜狗会通过跟踪网页间的链接来查找内容。搜狗spider必须能够访问某个网页才能抓取该网页。如果您意外地看到了“访问遭拒”错误，可能是由于以下几种原因导致的:
* 搜狗spider无法访问您网站上的网址，因为您网站上的所有或部分内容要求用户登录后才能查看。
* 由于您服务器的配置权限问题导致搜狗爬虫（大多数情况下也包括普通用户）没有权限查看您的网页，请修改服务器对目录和访问文件的权限。
错误七参数错误
由于请求的语法格式有误，不符合服务器对请求的某些限制，或者请求本身存在一定的错误，服务器无法理解此请求，导致抓取失败。
错误八socket读写错误
当搜狗spider访问服务器，进行tcp通信的时候，socket读写发生异常，导致数据不能正常返回。请检查服务器连接状况和防火墙设置是否符合预期。
错误九读取http头或者页面内容时失败
您的服务器收到了我们的完整请求，但是返回信息时不完整，http头或者响应正文发生了截断，导致网页内容不能正常读取。
注意事项
每个站点每周可使用200次，抓取诊断仅展现搜狗蜘蛛可见的前200kB内容，请合理利用。
搜狗支持抓取的url长度不超过1024，如果您的链接长度过长，请在网页正常服务的情况下，去除无效参数，精简url，此举也可防止搜索引擎重复收录。
对抓取诊断工具有其他问题？可以向提交反馈和建议。
来源：搜狗资源平台
