利用百度蜘蛛referer找到報(bào)錯(cuò)頁面入口
大家應(yīng)該都知道百度已經(jīng)全站https并取消referer關(guān)鍵詞顯示了，那么“百度蜘蛛referer”又是什么？有什么妙用嗎？藝龍SEO負(fù)責(zé)人劉明發(fā)現(xiàn)通過百度蜘蛛referer可以快速定位部分站內(nèi)url的報(bào)錯(cuò)（4xx或者5xx）原因。隨后社區(qū)版主飛鷹正義也對(duì)文章做了補(bǔ)充修正，現(xiàn)推薦給各位同學(xué)們。
什么是百度蜘蛛的referer
百度蜘蛛的referer，是指當(dāng)百度蜘蛛抓取某一個(gè)URL的時(shí)候，在HTTP頭中帶的Referer字段。請(qǐng)注意，這個(gè)定義和百度最近聲明去除Referer中關(guān)鍵詞數(shù)據(jù)沒有任何關(guān)系。這次講的是spider發(fā)起的HTTP請(qǐng)求，百度而去除的是用戶發(fā)起的。如果百度蜘蛛抓取百度首頁的logo，會(huì)發(fā)起這樣的請(qǐng)求：
上面Referer字段很明確的表示了他是從www.baidu.com這個(gè)頁面上發(fā)現(xiàn)并抓取了www.baidu.com/img/bd_logo1.png。而大家在服務(wù)器訪問日志中也應(yīng)該能看到相應(yīng)的記錄。目前發(fā)現(xiàn)只有當(dāng)百度抓取一個(gè)網(wǎng)頁的同時(shí)，又抓取了網(wǎng)頁中的：img、js和css才會(huì)帶上referer字段。這部分額外的抓取量，應(yīng)該不會(huì)占用百度分配的抓取配額，屬于“買1送1”。
對(duì)于站長(zhǎng)的意義
如果你發(fā)現(xiàn)有一批URL（僅限于img,js,css）報(bào)錯(cuò)（4xx或者5xx），但是一直找不到入口在哪，也就是說你不明白百度蜘蛛是從哪里發(fā)現(xiàn)這些錯(cuò)誤URL的。這個(gè)字段可以幫助你迅速定位。
舉個(gè)例子
比如我們的SEO日志分析系統(tǒng)中可以看到，符合下面這種URL Pattern的路徑每天有6萬到10萬的抓取而且全部報(bào)404。
從發(fā)現(xiàn)問題至今過了1個(gè)月，查遍整個(gè)網(wǎng)站我也沒找到入口。今天偶然仔細(xì)查了一下日志，想起了百度蜘蛛的referer，馬上就能定位問題了。這些404的URL來自于一套沒人維護(hù)也沒人關(guān)注的頁面（往往是這樣）。收錄流量都不錯(cuò)。由于最近公司圖片系統(tǒng)更新，圖片的URL全部更改了，但這套頁面并沒有跟著更新。
如果站點(diǎn)沒有記錄referer怎么辦
iis請(qǐng)?jiān)谶@里勾選“cs(Referer)”：
apache請(qǐng)參考:
apache log配置“Combined Log Format”章節(jié)
apache log配置的官方鏈接
Nginx請(qǐng)參考：
nginx log配置
nginx log配置的官方鏈接
結(jié)束語
· 很多SEO問題并不是立即致命的，所以沒有及時(shí)解決。流量就像螞蟻啃大象一樣一點(diǎn)一點(diǎn)啃掉了。
· 系統(tǒng)性的知識(shí)積累還是會(huì)在關(guān)鍵時(shí)刻發(fā)揮作用的。
· 感謝飛鷹對(duì)本文的修正。
至此文章雖然結(jié)束但是討論可以繼續(xù)，大家可以到[學(xué)堂同學(xué)匯] 《利用百度蜘蛛referer找到報(bào)錯(cuò)頁面入口》討論帖，與作者劉明進(jìn)行探討。
來源：百度搜索資源平臺(tái) 百度搜索學(xué)堂
