您现在的位置是:叶子SEO博客 > SEO入门 > SEO入门

百度搜索引擎蜘蛛(baidu spider)

叶子seo2019-08-02来源:未知人已围观

简介上节课大家学习了网络爬虫的相关知识,由于现在大部分SEO都是做的百度搜索引擎。所以深圳SEO今天给大家带来的就是百度搜索引擎蜘蛛详解,这也是对网络爬虫更深层次的解说,也是

上节课大家学习了网络爬虫的相关知识,由于现在大部分SEO都是做的百度搜索引擎。所以深圳SEO今天给大家带来的就是百度搜索引擎蜘蛛详解,这也是对网络爬虫更深层次的解说,也是SEO理论与实战相结合的内容。

百度搜索引擎蜘蛛(baidu spider)

百度蜘蛛是什么

百度蜘蛛,全称应该为“百度搜索引擎蜘蛛”,英文为“Baidu Spider”,是百度搜索引擎系统中的一个自动程序,主要负责访问并收集互联网上的页面。后面其他程序会进行分类整理并建立索引数据库,在用户在百度搜索时,会从索引数据库中调用数据,并呈现出程序认为最合适的排名结果页面。

百度蜘蛛的工作原理

1)百度蜘蛛是如何爬行的

百度搜索引擎蜘蛛访问(爬行)网站页面的过程和我们平时使用浏览器基本相同。

百度蜘蛛请求:百度搜索引擎蜘蛛发出页面访问的请求。

服务器响应:服务器返回HTML代码。

百度蜘蛛保存代码:百度搜索引擎蜘蛛将收到的代码保存至原始页面数据库中。后期其他程序会进行复杂操作,大部分优质内容会被放入索引数据库,一部分低质将会被忽略。

2)百度蜘蛛是如何工作的

百度搜索引擎蜘蛛为了提高爬行和抓取的效率,采用多个蜘蛛并发分布爬行。有两种策略。

深度优先:深度优先是顺着链接一直向前爬行,直到前面再也没有其他链接,然后返回第一个页面,沿着另外一个链接继续一直往前爬行。

广度优先:广度优先是指先爬行当前页面上的所有导出链接,然后再去爬行某一导出链接页面上的所有链接。

3)百度蜘蛛还做了哪些工作

深度优先对网站复制内容的检测:对于某些权重较低的网站复制内容过多,搜索引擎蜘蛛可能就不会再继续爬行。

不爬行与抓取地址库中的URL:百度搜索引擎建立一个地址库,如果url已经在地址库中,百度搜索引擎蜘蛛就不会重复去爬行与抓取,所以,百度蜘蛛在发现链接后,并不是马上去访问,而是先将URL存入地址库中,然后统一安排抓取。

4)通常地址库的URL有几种来源

百度搜索引擎蜘蛛抓取:主要来源之一。

站长sitemap提交:网站站长为了网站文章更快被搜索引擎所收录,通常会提交网站的XML地图给搜索引擎,XML地图包含了网站所有的链接。

站长提交网址:站长可以提交未被百度收录的网站首页或内容页。不过百度目前的比较有效的不是百度后台提交链接,而是熊掌ID(原熊掌号)提交链接。

百度工作人员主动录入种子网站:百度搜索引擎会把认为网站比较重要,比较有前途的网站主动人工录入。

怎么让百度蜘蛛每天抓取

秒收录是每一个站长的心愿,要做到秒收录确实挺难的,不过有几点可以帮助我们吸引百度蜘蛛每天来抓取我们的网站。

1)页面更新频率

网站更新文章频率越高越好,前提是保证文章质量与原创比例的前提下。

2)导入链接

网站导入链接越多越好,前提是优质的导入链接,友链和单向外链均可。

3)URL结构

URL结构要扁平化,浅一些可能收录效果会更好。

4)网站权重

网站权重越高,蜘蛛来访越频繁,都是相辅相成的。

5)与首页的距离

文章页面最好与首页不要太远,如三级即可。

6)页面质量

文章质量一定要保证,原创优质文章也好,转载的文章也好,总之一定要优秀。

如何查看百度蜘蛛是否过来网站

可以通过查看网站日志进行分析。Windows服务器的IIS与Linux服务器的apache都有记录网站日志的功能。

如何辨别百度蜘蛛

百度官方给出的辨别百度蜘蛛的方法

1)查看UA

首先要UA正确,百度公布过的UA有如下这些。

移动UA:Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,likeGecko) Version/5.1 Mobile Safari/10600.6.3 (compatible; Baiduspider/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)

新增渲染UA:

移动UA:Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 likeMac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143Safari/601.1 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)

PC UA:Mozilla/5.0 (compatible;Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)

2)反查IP

可以通过dns反差ip的方法判断是否是百度蜘蛛,只要不是来自“. baidu . com”或“. baidu . jp”即为假冒的百度蜘蛛。

如何诊断百度蜘蛛是否正常抓取

叶子seo认为很多网站因使用JavaScript代码或框架结构等问题,不能被百度蜘蛛所抓取网站内容。这里进行诊断也是为了防止蜘蛛来网站后,因为不能正常抓取而离开,导致网站收录很差,快照不更新等问题。

如果诊断结果有问题,则需要修正问题,提升与百度蜘蛛的友好度。这里自然是推荐百度官方在线抓取诊断工具:

如何通过百度蜘蛛IP得知网站状态(以下内容仅供参考)。

1)抓取你网站的网页蜘蛛

60.172.229.61

61.129.45.72

61.135.162.*

2)百度竞价蜘蛛

61.135.165.134

117.34.74.66

118.122.188.194

119.63.196.9

125.39.78.185

3)百度统计的蜘蛛

61.135.186.*

4)站长工具的模仿的百度蜘蛛

61.147.98.146

61.188.39.16

113.98.254.245

117.21.220.245

117.28.255.42

5)搜外站长工具的模仿的百度蜘蛛

124.248.34.52

6)114站长工具箱模仿的百度蜘蛛

119.147.114.213

121.10.141.*

7)百度图片蜘蛛

123.15.**.**

8)抓取网站内页收录的权重较低的非原创,需要通过一段时间考察

123.125.71.*

9)站长工具检测造成的无用

125.90.88.*

10)百度考察期蜘蛛或降权蜘蛛

159.226.50.*

180.76.5.*

180.76.5.87

220.181.158.107

11)伪装百度蜘蛛

180.149.130.*

12)新站及站点有不正常现象

183.91.40.144

203.208.60.*

13)不间断巡逻各站就是路过

210.72.225.*

14)沙盒或者有被K站

123.125.68.*

218.30.118.102

220.181.68.*

15)此ip爬过的文章或首页,绝对24小时内放出来和隔夜快照

220.181.108.*

16)百度蜘蛛IP来过,准备抓取

123.125.66.*

220.181.7.*

17)度过新站考察期

121.14.89.*

18)百度抓取首页的专用IP,网站首页快照更新快,隔夜更新

220.181.108.95

19)百度的权重IP段,抓取的文章第二天放出来,权重较高

220.181.108.92

20)综合性权重IP,抓取文章和首页,权重较高

220.181.108.91

220.181.108.75

21)抓取内页收录的,但权重较低

123.125.71.95

123.125.71.97

123.181.108.77

123.125.71.106

22)抓取网站首页的,也属于权重段,权重较高

220.181.108.89

220.181.108.94

220.181.108.97

220.181.108.80

220.181.108.77

220.181.108.83

220.181.108.86

很赞哦! ()