“百度蜘蛛”全面解析
- 威海Spider 威海Baiduspider
- 1106
鐺鐺鐺鐺！
好久不見，平小雕帶著最新一期搜索問答劇場又雙叒回來啦！
第五集【搜索問答劇場】，為大家帶來“百度蜘蛛”的全面解析，幫助大家清楚的了解“百度蜘蛛”在各種場景發揮的作用，為網站整體運營打下基礎。
【抓取篇】
1、什么是Baiduspider？
A：Baiduspider也叫百度蜘蛛，是百度搜索引擎的一個自動程序，它的作用是訪問互聯網上的網頁，建立索引數據庫，使用戶能在百度搜索引擎中搜索到網站相關內容。
2、Q：如何才能識別當前抓取是正確的百度蜘蛛？
A：有兩個方式可以判斷百度蜘蛛。
方式一：查看UA信息
如果UA信息不對，可以直接判斷為非百度搜索的蜘蛛。目前UA分為移動、PC、和小程序三個應用場景，這三個渠道UA分別如下：
移動UA：
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)
或
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)
PC UA：
Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)
或
Mozilla/5.0 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)
小程序UA：
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;Smartapp; +http://www.baidu.com/search/spider.html)
方式二：雙向DNS解析認證
第一步：DNS反查IP，開發者通過對日志中訪問服務器的IP地址運行反向DNS查找，判斷某只spider是否來自百度搜索引擎，Baiduspider的hostname以*.baidu.com或*.baidu.jp 的格式命名，非*.baidu.com或*.baidu.jp即為冒充。
根據平臺不同驗證方法不同，如linux/windows/os三種平臺下的驗證方法分別如下：
①在linux平臺下，可以使用host ip命令反解ip來判斷是否來自Baiduspider的抓取。Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即為冒充。
②在windows平臺或者IBM OS/2平臺下，可以使用nslookup ip命令反解ip來 判斷是否來自Baiduspider的抓取 。
③在mac os平臺下，可以使用dig 命令反解ip來 判斷是否來自Baiduspider的抓取。
第二步：對域名運行正向DNS查找。對第1步中通過命令檢索到的域名運行正向DNS查找，驗證該域名與您日志中訪問服務器的原始IP地址是否一致，IP地址一致可確認spider來自百度搜索引擎，IP地址不一致即為冒充。
3、Q：百度蜘蛛會一直抓我的網站嗎？
A：一般會的，若網站持續生產新資源、更新內容等，蜘蛛會持續抓取的。需要提醒的是，若網站需要百度蜘蛛抓取一定不要做任何封禁哦。（封禁相關參考下文內容）
此外，您也可以檢查網站訪問日志，及時判斷正確的百度蜘蛛，以防止有人惡意冒充百度蜘蛛來頻繁抓取您的網站。
4、Q：百度蜘蛛頻繁光顧網站，導致網站服務器壓力大，怎么辦？
A：若發現百度蜘蛛頻繁抓取，可能是因為
① 網站存在新生產資源、更新內容待抓取更新；
② 可能存在惡意冒充百度蜘蛛，可以通過上文Q2“如何識別正常百度蜘蛛”的方法排查問題；
若百度蜘蛛抓取頻次過高，造成網站服務異常，可以通過搜索資源平臺-【抓取頻次】工具調整頻次。
【封禁篇】
1、Q：網站的部分資源不希望被百度蜘蛛訪問，該怎么做？
A：百度蜘蛛遵守互聯網robots協議。站長可以更新robots.txt文件，文件中明確不希望百度蜘蛛訪問資源或目錄等，并及時通過搜索資源平臺-【Robots】工具，提交robots文件。
需要注意，robots文件更新和提交后，搜索引擎需要逐漸完成更新，所以百度蜘蛛不是立即停止抓取網頁，請耐心等待。
2、Q：網站封禁百度蜘蛛，可能會帶來哪些影響？
A：網站資源優質，也沒有其他違規問題，但是存在以下情況
①沒有查詢到百度蜘蛛任何抓取記錄，
②在百度搜索中沒有得到收錄和展現，
③網站/目錄存在流量異常下降的情況，
④在搜索結果中的摘要展現為“存在robots封禁”字樣。
若發現以上情況，可以先自查是否存在封禁百度蜘蛛的問題，及時解除封禁（解除封禁參考QA7），等待恢復。
3、Q：如何解除封禁百度蜘蛛？
A：常見的封禁行為包括robots封禁、封禁百度UA、封禁百度IP這三種，可以逐一排查解決：
（1） 查看robots.txt文件，是否存在封禁記錄。（一般robots.txt文件放置在網站根目錄下。）
（2）robots文件無異常，進一步排查是否存在封禁百度UA情況；
方案一：執行 curl --head --user-agent 'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)' --request GET 'xxxxxxx'
注：正常返回碼是200，其他情況為異常。
方案二：變更瀏覽器UA驗證；
（3）以上驗證均無異常，最后進一步排查是否存在IP級別的封禁；
常見的IP封禁，源自網站的防火墻系統配置，需要查看防火墻配置系統后臺，檢查是否存在百度蜘蛛的IP級別封禁措施。
詳情可參考《開發者如何解除封禁百度蜘蛛》
——什么是【搜索問答劇場】？
【搜索問答劇場】是資源平臺基于資源平臺工具相關，對站長反饋的高頻或常見問題的整體梳理總結，定期為開發者運營過程中產生的疑惑問題進行梳理解答，致力于為開發者提供更便捷的運營知識庫。
往期回顧：
【第一集】“站點關聯主體”常見問題解析
【第二集】“站點Logo”常見問題解析
【第三集】“流量異常”常見問題解析
【第四集】“網站改版”常見問題解析
來源：百度搜索資源平臺
