“百度蜘蛛”全面解析

【搜索问答剧场】，为大家带来“百度蜘蛛”的全面解析，帮助大家清楚的了解“百度蜘蛛”在各种场景发挥的作用，为网站整体运营打下基础。

【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个自动程序，它的作用是访问互联网上的网页，建立索引数据库，使用户能在百度搜索引擎中搜索到网站相关内容。

2、Q：如何才能识别当前抓取是正确的百度蜘蛛？

A：有两个方式可以判断百度蜘蛛。

方式一：查看UA信息

如果UA信息不对，可以直接判断为非百度搜索的蜘蛛。目前UA分为移动、PC、和小程序三个应用场景，这三个渠道UA分别如下：

移动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：双向DNS解析认证

第一步：DNS反查IP，开发者通过对日志中访问服务器的IP地址运行反向DNS查找，判断某只spider是否来自百度搜索引擎，Baiduspider的hostname以*.baidu.com或*.baidu.jp 的格式命名，非*.baidu.com或*.baidu.jp即为冒充。

根据平台不同验证方法不同，如linux/windows/os三种平台下的验证方法分别如下：

①在linux平台下，可以使用host ip命令反解ip来判断是否来自Baiduspider的抓取。Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即为冒充。

②在windows平台或者IBM OS/2平台下，可以使用nslookup ip命令反解ip来 判断是否来自Baiduspider的抓取 。

③在mac os平台下，可以使用dig 命令反解ip来 判断是否来自Baiduspider的抓取。

第二步：对域名运行正向DNS查找。对第1步中通过命令检索到的域名运行正向DNS查找，验证该域名与您日志中访问服务器的原始IP地址是否一致，IP地址一致可确认spider来自百度搜索引擎，IP地址不一致即为冒充。

详情可参考文档：《轻松两步，教你快速识别百度蜘蛛》

3、Q：百度蜘蛛会一直抓我的网站吗？

A：一般会的，若网站持续生产新资源、更新内容等，蜘蛛会持续抓取的。需要提醒的是，若网站需要百度蜘蛛抓取一定不要做任何封禁哦。（封禁相关参考下文内容）

此外，您也可以检查网站访问日志，及时判断正确的百度蜘蛛，以防止有人恶意冒充百度蜘蛛来频繁抓取您的网站。

4、Q：百度蜘蛛频繁光顾网站，导致网站服务器压力大，怎么办？

A：若发现百度蜘蛛频繁抓取，可能是因为

① 网站存在新生产资源、更新内容待抓取更新；

② 可能存在恶意冒充百度蜘蛛，可以通过上文Q2“如何识别正常百度蜘蛛”的方法排查问题；

若百度蜘蛛抓取频次过高，造成网站服务异常，可以通过搜索资源平台-【抓取频次】工具调整频次。

【封禁篇】

1、Q：网站的部分资源不希望被百度蜘蛛访问，该怎么做？

A：百度蜘蛛遵守互联网robots协议。站长可以更新robots.txt文件，文件中明确不希望百度蜘蛛访问资源或目录等，并及时通过搜索资源平台-【Robots】工具，提交robots文件。

需要注意，robots文件更新和提交后，搜索引擎需要逐渐完成更新，所以百度蜘蛛不是立即停止抓取网页，请耐心等待。

2、Q：网站封禁百度蜘蛛，可能会带来哪些影响？

A：网站资源优质，也没有其他违规问题，但是存在以下情况

①没有查询到百度蜘蛛任何抓取记录，

②在百度搜索中没有得到收录和展现，

③网站/目录存在流量异常下降的情况，

④在搜索结果中的摘要展现为“存在robots封禁”字样。

若发现以上情况，可以先自查是否存在封禁百度蜘蛛的问题，及时解除封禁（解除封禁参考QA7），等待恢复。

3、Q：如何解除封禁百度蜘蛛？

A：常见的封禁行为包括robots封禁、封禁百度UA、封禁百度IP这三种，可以逐一排查解决：

（1） 查看robots.txt文件，是否存在封禁记录。（一般robots.txt文件放置在网站根目录下。）

（2）robots文件无异常，进一步排查是否存在封禁百度UA情况；

方案一：执行 curl --head --user-agent 'Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)' --request GET 'xxxxxxx'

注：正常返回码是200，其他情况为异常。

方案二：变更浏览器UA验证；

（3）以上验证均无异常，最后进一步排查是否存在IP级别的封禁；

常见的IP封禁，源自网站的防火墙系统配置，需要查看防火墙配置系统后台，检查是否存在百度蜘蛛的IP级别封禁措施。

详情可参考《开发者如何解除封禁百度蜘蛛》