站长在查看网站日志,分析搜索引擎蜘蛛抓取过程中,经常会遇到一些莫名其妙的IP,这些怪异的行为也让很多站长出现困惑。比如你还没有发布网站信息,但日志中就显示在发布之前已经抓取访问过,再比如一些IP是无法查询到准确来路等等。
而出现这种情况,首先需要了解什么是真假蜘蛛。搜索引擎蜘蛛的真伪,是相对来说,通常来自搜索引擎的蜘蛛,是站长优化网站的依据,然而很多采集程序,站长工具的抓取是模仿蜘蛛的抓取。那如何判断网站搜索引擎蜘蛛的真假呢?
在查看网站常用日志的工具【加锚文本】中我们有提到金花站长工具,使用此工具可以将真假蜘蛛分辨出来,但是无法从根本上发现它为什么是假蜘蛛。在Windows操作系统中,用Dos窗口tracert可以准确查看。
220.181.68.*每天这个IP 段只增不减很有可能进沙盒或K站。220.181.7.*、123.125.66.* 代表百度蜘蛛IP造访,准备抓取你东西。121.14.89.*这个ip段作为度过新站考察期。203.208.60.*这个ip段出现在新站及站点有不正常现象后。210.72.225.*这个ip段不间断巡逻各站。125.90.88.* 广东茂名市电信也属于百度蜘蛛IP 主要造成成分,是新上线站较多,还有使用过站长工具,或SEO综合检测造成的。
220.181.108.95这个是百度抓取首页的专用IP,如是220.181.108段的话,基本来说你的网站会天天隔夜快照,绝对错不了的,我保证。220.181.108.92 同上98%抓取首页,可能还会抓取其他 (不是指内页)220.181段属于权重IP段此段爬过的文章或首页基本24小时放出来。123.125.71.106 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。220.181.108.91属于综合的,主要抓取首页和内页或其他,属于权重IP 段,爬过的文章或首页基本24小时放出来。
220.181.108.75重点抓取更新文章的内页达到90%,8%抓取首页,2%其他。权重IP 段,爬过的文章或首页基本24小时放出来。220.181.108.86专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。123.125.71.95 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。123.125.71.97 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。220.181.108.89专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。
220.181.108.94专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。220.181.108.97专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。220.181.108.80专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。220.181.108.77 专用抓首页IP 权重段,一般返回代码是304 0 0 代表未更新。123.125.71.117 抓取内页收录的,权重较低,爬过此段的内页文章不会很快放出来,因不是原创或采集文章。220.181.108.83专用抓取首页IP 权重段,一般返回代码是304 0 0 代表未更新。
注:以上IP尾数还有很多,但段位一样的123.125.71.*段IP 代表抓取内页收录的权重比较低.可能由于你采集文章或拼文章暂时被收录但不放出来.(意思也就是说待定)。220.181.108.*段IP主要是抓取首页占80%,内页占30%,这此爬过的文章或首页,绝对24小时内放出来和隔夜快照的,这点我可以保证!123.125.68.*这个蜘蛛经常来,别的来的少,表示网站可能要进入沙盒了,或被者降权。
220.181.68.*每天这个IP 段只增不减很有可能进沙盒或K站。220.181.7.*、123.125.66.* 代表百度蜘蛛IP造访,准备抓取你东西。
经常查看网站日志的站长可以观察,基本上从命令返回值,可以大概知道在123.125.71.*,220.181.108.* ,这两个IP段属于百度蜘蛛的IP。因此,在查看网站日志,可以很快的分辨出哪些是百度蜘蛛抓取的时间,哪些是其他搜索引擎抓取的时间。常见的各搜索引擎蜘蛛IP段如下
一般而言,虚假蜘蛛不会出现太多,当然,如果遇上网站被虚拟IP攻击,或者被采集,那么如何禁止呢?常见的方法是可以通过百度推广后台的禁止IP工具,或者利用服务器的安全防护,可以禁止相关的IP访问。
评论列表