百度spider介紹
- 威海Spider 威海Baiduspider
- 2106
1. 什么是Baiduspider
Baiduspider是百度搜索引擎的一個(gè)自動(dòng)程序，它的作用是訪問互聯(lián)網(wǎng)上的網(wǎng)頁(yè)，建立索引數(shù)據(jù)庫(kù)，使用戶能在百度搜索引擎中搜索到您網(wǎng)站上的網(wǎng)頁(yè)。
2. Baiduspider的user-agent是什么？
百度各個(gè)產(chǎn)品使用不同的user-agent：
產(chǎn)品名稱
對(duì)應(yīng)user-agent
網(wǎng)頁(yè)搜索
Baiduspider
無線搜索
Baiduspider
圖片搜索
Baiduspider-image
視頻搜索
Baiduspider-video
新聞搜索
Baiduspider-news
百度搜藏
Baiduspider-favo
百度聯(lián)盟
Baiduspider-cpro
商務(wù)搜索
Baiduspider-ads
3. Baiduspider對(duì)一個(gè)網(wǎng)站服務(wù)器造成的訪問壓力如何？
為了達(dá)到對(duì)目標(biāo)資源較好的檢索效果，Baiduspider需要對(duì)您的網(wǎng)站保持一定量的抓取。我們盡量不給網(wǎng)站帶來不合理的負(fù)擔(dān)，并會(huì)根據(jù)服務(wù)器承 受能力，網(wǎng)站質(zhì)量，網(wǎng)站更新等綜合因素來進(jìn)行調(diào)整。如果您覺得baiduspider的訪問行為有任何不合理的情況，您可以反饋至反饋中心。
4. 為什么Baiduspider不停的抓取我的網(wǎng)站？
對(duì)于您網(wǎng)站上新產(chǎn)生的或者持續(xù)更新的頁(yè)面，Baiduspider會(huì)持續(xù)抓取。此外，您也可以檢查網(wǎng)站訪問日志中Baiduspider的訪問是否正常，以防止有人惡意冒充Baiduspider來頻繁抓取您的網(wǎng)站。 如果您發(fā)現(xiàn)Baiduspider非正常抓取您的網(wǎng)站，請(qǐng)通過反饋中心反饋給我們，并請(qǐng)盡量給出Baiduspider對(duì)貴站的訪問日志，以便于我們跟蹤處理。
5. 如何判斷是否冒充Baiduspider的抓取？
建議您使用DNS反查方式來確定抓取來源的ip是否屬于百度，根據(jù)平臺(tái)不同驗(yàn)證方法不同，如linux/windows/os三種平臺(tái)下的驗(yàn)證方法分別如下：
5.1 在linux平臺(tái)下，您可以使用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。
$ host 123.125.66.120
120.66.125.123.in-addr.arpa domain name pointer
baiduspider-123-125-66-120.crawl.baidu.com.
host 119.63.195.254
254.195.63.119.in-addr.arpa domain name pointer
BaiduMobaider-119-63-195-254.crawl.baidu.jp.
5.2 在windows平臺(tái)或者IBM OS/2平臺(tái)下，您可以使用nslookup ip命令反解ip來 判斷是否來自Baiduspider的抓取。打開命令處理器 輸入nslookup xxx.xxx.xxx.xxx（IP地 址）就能解析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。
5.3 在mac os平臺(tái)下，您可以使用dig 命令反解ip來 判斷是否來自Baiduspider的抓取。打開命令處理器 輸入dig xxx.xxx.xxx.xxx（IP地 址）就能解析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。
6. 我不想我的網(wǎng)站被Baiduspider訪問，我該怎么做？
Baiduspider遵守互聯(lián)網(wǎng)robots協(xié)議。您可以利用robots.txt文件完全禁止Baiduspider訪問您的網(wǎng)站，或者禁止 Baiduspider訪問您網(wǎng)站上的部分文件。 注意：禁止Baiduspider訪問您的網(wǎng)站，將使您的網(wǎng)站上的網(wǎng)頁(yè)，在百度搜索引擎以及所有百度提供搜索引擎服務(wù)的搜索引擎中無法被搜索到。關(guān)于 robots.txt的寫作方法，請(qǐng)參看我們的介紹：robots.txt寫作方法
您可以根據(jù)各產(chǎn)品不同的user-agent設(shè)置不同的抓取規(guī)則，如果您想完全禁止百度所有的產(chǎn)品收錄，可以直接對(duì)Baiduspider設(shè)置禁止抓取。
以下robots實(shí)現(xiàn)禁止所有來自百度的抓?。?/p>
User-agent: Baiduspider
Disallow: /
以下robots實(shí)現(xiàn)禁止所有來自百度的抓取但允許圖片搜索抓取/image/目錄：
User-agent: Baiduspider
Disallow: /
User-agent: Baiduspider-image
Allow: /image/
請(qǐng)注意：Baiduspider-cpro抓取的網(wǎng)頁(yè)并不會(huì)建入索引，只是執(zhí)行與客戶約定的操作，所以不遵守robots協(xié)議，如果Baiduspider-cpro給您造成了困擾，請(qǐng)聯(lián)系union1@baidu.com。
Baiduspider-ads抓取的網(wǎng)頁(yè)并不會(huì)建入索引，只是執(zhí)行與客戶約定的操作，所以不遵守robots協(xié)議，如果Baiduspider-ads給您造成了困擾，請(qǐng)聯(lián)系您的客戶服務(wù)專員。
7. 為什么我的網(wǎng)站已經(jīng)加了robots.txt，還能在百度搜索出來？
因?yàn)樗阉饕嫠饕龜?shù)據(jù)庫(kù)的更新需要時(shí)間。雖然Baiduspider已經(jīng)停止訪問您網(wǎng)站上的網(wǎng)頁(yè)，但百度搜索引擎數(shù)據(jù)庫(kù)中已經(jīng)建立的網(wǎng)頁(yè)索引信息，可能需要數(shù)月時(shí)間才會(huì)清除。另外也請(qǐng)檢查您的robots配置是否正確。
如果您的拒絕被收錄需求非常急迫，也可以通過反饋中心反饋請(qǐng)求處理。
8. 我希望我的網(wǎng)站內(nèi)容被百度索引但不被保存快照，我該怎么做？
Baiduspider遵守互聯(lián)網(wǎng)meta robots協(xié)議。您可以利用網(wǎng)頁(yè)meta的設(shè)置，使百度顯示只對(duì)該網(wǎng)頁(yè)建索引，但并不在搜索結(jié)果中顯示該網(wǎng)頁(yè)的快照。
和robots的更新一樣，因?yàn)樗阉饕嫠饕龜?shù)據(jù)庫(kù)的更新需要時(shí)間，所以雖然您已經(jīng)在網(wǎng)頁(yè)中通過meta禁止了百度在搜索結(jié)果中顯示該網(wǎng)頁(yè)的快照，但百度搜索引擎數(shù)據(jù)庫(kù)中如果已經(jīng)建立了網(wǎng)頁(yè)索引信息，可能需要二至四周才會(huì)在線上生效。
9. Baiduspider抓取造成的帶寬堵塞？
Baiduspider的正常抓取并不會(huì)造成您網(wǎng)站的帶寬堵塞，造成此現(xiàn)象可能是由于有人冒充Baiduspider惡意抓取。如果您發(fā)現(xiàn)有名為Baiduspider的agent抓取并且造成帶寬堵塞，請(qǐng)盡快和我們聯(lián)系。您可以將信息反饋至反饋中心，如果能夠提供您網(wǎng)站該時(shí)段的訪問日志將更加有利于我們的分析。
如果大家對(duì)百度spider還有別的疑問，大家可以到[學(xué)堂同學(xué)匯][學(xué)習(xí)討論] 《 百度spider介紹》討論帖中發(fā)表自己的看法，我們的工作人員會(huì)關(guān)注這里并與大家進(jìn)行探討。
來源：百度搜索資源平臺(tái) 百度搜索學(xué)堂
