您当前的位置是:首页-SEO宝典

从网站日志中分析蜘蛛访问你的网站的脚印

【发表于】:2011/2/12 11:08:00  已被访问:101次
 网站的排名、收录都要经常关注搜索引擎,大家经常会谈到蜘蛛抓取,那么怎么确定蜘蛛有没有来过你的网站呢? 
  通常网站的日志会告诉我们这些信息,这里以王大君网络营销博客为例。笔者使用的是虚拟空间,在笔者网站根目录下的log文件夹里面有一些ex日期.log文本文件。在这里王大君提醒大家,如果在你的log文件夹里没有文件,可能需要你到虚拟空间后台先下载日志文件到FTP空间,也就是下载到你的网站根目录的log文件夹时里。我们选择ex101119.log下载到本地,这个文件就是佛山SEO网站2010年11月19日的日志,用记事本打开,在日志文件中搜索“spider”这个词,也就是蜘蛛的意思。有可能会发现以下的代码:
  google蜘蛛: googlebot
  百度蜘蛛:baiduspider
  yahoo蜘蛛:slurp
  soso蜘蛛:sosospider
  msn蜘蛛:msnbot
  有道蜘蛛:YodaoBot和OutfoxBot
  搜狗蜘蛛:sougouspider
  当然,前提是这些蜘蛛来过你的网站,否则是没有这些代码的。
  我们选择一条百度蜘蛛代码“baiduspider”的记录,看下里面的代码:
  2010-11-18 18:18:10 174.192.105.6 GET /SEO_Introduction/SEO_451.html - 80 - 61.145.118.160 Baiduspider+ (+http://www.baidu.com/search/spider.htm) - 200 ....
  下面我来解释下这段代码:
  1、2010-11-15 18:18:10 是百度蜘蛛来的日期和时间。
  2、 SEO_Introduction/SEO_451.html是百度蜘蛛访问的页面 get表示获取的意思。
  3、80是端口
  4、220.181.108.166是百度蜘蛛的ip地址
  5、Baiduspider+(+http://www.baidu.com/search/spider.htm)就是指百度蜘蛛了
  6、200表示抓取成功,这是百度蜘蛛爬行后返回的代码。
  另外还有一些其他的代码:
  2xx 成功
  200 正常;请求已完成。
  201 正常;紧接 POST 命令。
  202 正常;已接受用于处理,但处理尚未完成。
  203 正常;部分信息 — 返回的信息只是一部分。
  204 正常;无响应 — 已接收请求,但不存在要回送的信息。
  3xx 重定向
  301 已移动 — 请求的数据具有新的位置且更改是永久的。
  302 已找到 — 请求的数据临时具有不同 URI。
  303 请参阅其它 — 可在另一 URI 下找到对请求的响应,且应使用 GET 方法检索此响应。
  304 未修改 — 未按预期修改文档。
  305 使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。
  306 未使用 — 不再使用;保留此代码以便将来使用。
  4xx 客户机中出现的错误
  400 错误请求 — 请求中有语法问题,或不能满足请求。
  401 未授权 — 未授权客户机访问数据。
  402 需要付款 — 表示计费系统已有效。
  403 禁止 — 即使有授权也不需要访问。
  404 找不到 — 服务器找不到给定的资源;文档不存在。
  407 代理认证请求 — 客户机首先必须使用代理认证自身。
  410 请求的网页不存在(永久);
  415 介质类型不受支持 — 服务器拒绝服务请求,因为不支持请求实体的格式。
  5xx 服务器中出现的错误
  500 内部错误 — 因为意外情况,服务器不能完成请求。
  501 未执行 — 服务器不支持请求的工具。
  502 错误网关 — 服务器接收到来自上游服务器的无效响应。
  503 无法获得服务 — 由于临时过载或维护,服务器无法处理请求。
  关于日志的分析今天我们就说到这里,如果大家有其他的见解,欢迎交流讨论。
 
上下篇: 如何才能知道百度来搜索过我的网站 Nginx泛域名解析及Rewrite重定向普通页面及带参数的页面

最新推荐信息