之前百度站长平台接到一个站长的求助,说是Baiduspider的IP被误屏蔽了,问有没有办法把Baiduspider的IP全部弄来,打算放在白名单上,保护它不被再次误屏蔽。在这里,百度官方告诉站长们,Baiduspider的IP池在不断变化,我们无法提供一套完整的IP。
另外,站长有个问题,Baiduspider光顾太频繁,超出了服务器的容量。而百度站长平台追踪发现,Baiduspider对网站的抓取是正常的,那只蜘蛛很可能是李鬼。
那么,站长应该如何判断这只蜘蛛是否是通过IP来自百度搜索引擎呢?
这个问题可以通过DNS反向检查来解决。根据不同平台如linux/windows/os的不同验证方式,验证方式如下:
1.在linux平台上,您可以使用host ip命令来反转ip,以确定它是否来自Baiduspider。以* Baiduspider.com或* .baidu.jp格式命名的Baiduspider的主机名,如果不是* . Baiduspider.com或*。假设是Baidu.jp。
2.在windows平台或IBM OS/2平台上,可以使用nslookup ip命令反向ip,判断是否来自Baiduspider。打开命令处理器,输入nslookup xxx.xxx.xxx.xxx(ip地址)解析ip,确定是否来自Baiduspider的抓取。Baiduspider的主机名以* Baidu.com或* Baidu . jp的格式命名,如果不是* Baidu.com或* Baidu . jp,则表示冒名顶替。
3.在mac os平台下,可以使用dig命令去解析ip,判断它是否来自Baiduspider。打开命令处理器,输入dig xxx.xxx.xxx.xxx(ip地址)分析ip,确定是否来自Baiduspider。Baiduspider的主机名以* Baidu.com或* Baidu . jp的格式命名,如果不是* Baidu.com或* Baidu . jp,则表示冒名顶替。
百度蜘蛛识别方法:
事实上,在我们的日志中,很多白蛇都是被别人伪装的。来解决这个问题。我们必须努力验证baiduspider的真实性。本文详细介绍了爬虫的识别方法。
当我们根据网站日志分析搜索引擎蜘蛛抓取网页的记录时,其实很多网站都有伪装成baiduspider的访客。这些数据会严重影响我们对测井分析后的判断。
为什么这些访客伪装成baiduspider访问我们的网站?典型的是那些收集你网站内容的人。他们知道很多工具可以看出哪些ip访问网站太重。例如,一个ip今天访问了你的网站一万次。这正常吗?肯定是不正常的。但如果他是拜杜斯皮尔呢?呵呵,很正常。
我们应该如何说出拜杜斯皮德的真相?
百度pc端的爬虫UA是这样的:
Mozilla/5.0(兼容;baiduspider/2.0;http://www.baidu.com/search/spider.html)
Mozilla/5.0(兼容;baiduspider-render/2.0;http://www.baidu.com/search/spider.html)
一百
度移动端的爬虫UA是这样的:
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)
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)
如上是包含了百度的常规爬虫,和渲染爬虫render的。这两个爬虫的区别符已经用红色字体标出来了。
区分百度pc和移动端的爬虫
通过关键词“Android”或者“Mobile”来进行识别,判断为移动访问或者抓取。
通过关键词“Baiduspider/2.0”、“Baiduspider-render/2.0”,判断为百度爬虫。
然而,你以为这样就能很好的识别了吗?采集者要是伪装成和上面一样的UA信息怎么办呢?
这个时候我们就要用到ip地址了,每一次访问在日志中都记录了访客的ip地址,我们可以判断ip是不是真的baiduspider,方法如下:
windows电脑反查ip,判断爬虫真伪:
点击“开始”菜单,-> 点击“运行”按钮,-> 然后弹出cmd窗口。输入“nslookup 要查询的ip地址”,点击回车键,会有结果输出出来。判断是否来自Baiduspider的抓取。回车后的结果如果包含x x.baidu.com 或x x.baidu.jp 这两种格式,就说明是真的baiduspider。下面是示例:
如上图中,我执行命令,返回的结果中,最后绿色框中的内容就包含的xx.baidu.com,所以是真的爬虫,如果不是这样的就不是真的baiduspider。
liunx系统反查ip,判断爬虫真伪:
liunx系统验证爬虫的逻辑与windows没有什么区别,只是查询的方式不同。毕竟系统不一样了。这里我直接给一个示例:
如上图,liunx使用的命令是“host 要查询的ip地址”,其判断逻辑与windows系统一样。
好了,今天平哥SEO优化的文章分享到这里。赶紧去拿你的日志看看哪些访客是伪装的爬虫吧,今早把他们屏蔽掉。喜欢本文的记得点赞和转发!
喜欢本文的也喜欢:
如何让网站内容快速被百度蜘蛛抓取收录呢?
网站内容SEO如何做才能让百度蜘蛛快速抓取收录呢?
seo一份蜘蛛日志数据分析秘诀,你值得拥有!
搜索引擎爬虫的三大更新策略都是什么呢?
搜索引擎对网站的惩罚机制到底是什么?
内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/160594.html