【百度官方说明】百度蜘蛛抓取流量暴增的原因

Spider对网站抓取数量突增往往给站点带来很大烦恼，纷纷找平台想要Baiduspider IP白名单，但实际上BaiduSpider IP会随时变化，所以并不敢公布出来，担心站长设置不及时影响抓取效果。百度是怎么计算分配抓取流量的呢？站点抓取流量暴增的原因有哪些呢？

总体来说，Baiduspider会根据站点规模、历史上网站每天新产出的链接数量、已抓取网页的综合质量打分等等，来综合计算抓取流量，同时兼顾站长在抓取频次工具里设置的、网站可承受的最大抓取值。

从目前追查过的抓取流量突增的case中，原因可以分为以下几种：

1， Baiduspider发现站内JS代码较多，调用大量资源针对JS代码进行解析抓取

2， 百度其他部门（如商业、图片等）的spider在抓取，但流量没有控制好

3， 已抓取的链接，打分不够好，垃圾过多，导致spider重新抓取

4， 站点被攻击，有人仿冒百度爬虫（见下文关于BaiduSpider）

如果站长排除了自身问题、仿冒问题，确认BaiduSpider抓取流量过大的话，可以通过百度的反馈中心（http://zhanzhang.baidu.com/feedback）反馈，注：一定要提供详细的抓取日志截图。

关于BaiduSpider

如何正确识别Baiduspider移动ua

新版移动ua:

Mozilla/5.0 (Linux;u;Android4.2.2;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)

PC ua:Mozilla/5.0(compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html）

之前通过“+http://www.baidu.com/search/spider.html”进行识别的网站请注意！需要修改识别方式，新的正确的识别Baiduspider移动ua的方法如下：　　

1. 通过关键词“Android”或者“Mobile”来进行识别，判断为移动访问或者抓取。　　

2. 通过关键词“Baiduspider/2.0”,判断为百度爬虫。

另外需要强调的是，对于robots封禁，如果封禁的agent是Baiduspider，会对PC和移动同时生效。即，无论是PC还是移动Baiduspider，都不会对封禁对象进行抓取。之所以要强调这一点，是发现有些代码适配站点（同一个url，PC ua打开的时候是PC页，移动ua打开的时候是移动页），想通过设置robots的agent封禁达到只让移动Baiduspider抓取的目的，但由于PC和移动Baiduspider的agent都是Baiduspider,这种方法是非常不可取的。

如何识别百度蜘蛛

百度蜘蛛对于站长来说可谓上宾，可是也有站长会发出这样的疑问：

我们如何判断疯狂抓我们网站内容的蜘蛛是不是百度的？

其实站长可以通过DNS反查IP的方式判断某只spider是否来自百度搜索引擎。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hostip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IBMOS/2平台下，可以使用nslookupip命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入nslookupxxx.xxx.xxx.xxx（IP地址）就能解析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。

3、在macos平台下，您可以使用dig命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入digxxx.xxx.xxx.xxx（IP地址）就能解析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。

Baiduspider IP是多少

即便很多站长知道了如何判断百度蜘蛛，仍然会不断地问“百度蜘蛛IP是多少”。并想将百度蜘蛛所在IP加入白名单，只准白名单下IP对网站进行抓取，避免被采集等行为。

百度方面表示，不建议站长这样做。虽然百度蜘蛛的确有一个IP池，真实IP在这个IP池内切换，但无法保证这个IP池整体不会发生变化。所以，建议站长勤看日志，发现恶意蜘蛛后放入黑名单，以保证百度的正常抓取。

同时，百度方面还强调：通过IP来分辨百度蜘蛛的属性是非常可笑的事情，所谓的“沙盒蜘蛛”“降权蜘蛛”等等是从来都不存在的。

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有