Baidu spider抓取異常的原因

發布：2017-12-21 18:15:50 瀏覽：3425

有一些網頁，內容優質，用戶也可以正常訪問，但是Baiduspider卻無法正常訪問并抓取，造成搜索結果覆蓋率缺失，對百度搜索引擎、對站點都是一種損失，百度把這種情況叫“抓取異常”。對于大量內容無法正常抓取的網站，百度搜索引擎會認為網站存在用戶體驗上的缺陷，并降低對網站的評價，在抓取、索引，排序上都會受到一定程度的負面影響，最終影響到網站從百度獲取的流量。

下面介紹一些常見的抓取異常的原因。

(1)服務器連接異常。服務器連接異常會有兩種情況。一種是站點不穩定，Baiduspider嘗試連接網站的服務器時出現暫時無法連接的情況；另一種是Baiduspider一直無法連接上網站的服務器。造成服務器連接異常的原因通常是網站服務器過大，超負荷運轉。也有可能是網站運行不正常，請檢查網站的Web服務器(如apache、is)是否安裝且正常運行，并使用瀏覽器檢查主要頁面能否正常訪問。網站和主機還可能阻止了Baiduspider的訪問，需要檢查網站和主機的防火墻。

(2)網絡運營商異常。網絡運營商分電信和聯通兩種，Baiduspider通過電信或網通無法訪問網站。如果出現這種情況，需要與網絡服務運營商進行聯系，或者購買擁有雙線服務的空間或者購買cdn服務。

(3)DNS異常。當Baiduspider無法解析網站的P時，會出現DNS異常。可能是網站IP地址錯誤，或者域名服務商把Baiduspider封禁。請使用WHOIS或者host查詢自己網站的IP地址是否正確且可解析，如果不正確或無法解析，請與域名注冊商聯系，更新IP地址。

(4)IP封禁。限制網絡的出口IP地址，禁止該P段的使用者進行內容訪問、，這里特指封禁了Baiduspiderip。當網站不希望Baiduspider訪問時，才需要該設置，如果希望Baiduspider訪問網站，請檢查相關設置中是否誤添了Baiduspiderip.。也有可能是網站所在的空間服務商把百度P進行i了封禁，這日時需要聯系服務商更改設置。

(5)UA封禁。服務器通過UA識別訪問者的身份。當網站針對指定UA的訪不希望Baiduspider訪間時，才需要該設置，如果您希望Baiduspider訪問您的網站問，返回異常頁面(如403，500)或跳轉到其他頁面的情況，即為UA封禁。當網站useragent相關的設置中是否有Baiduspiderua，并及時修改。

(6)死鏈。頁面已經無效，無法對用戶提供任何有價值信息的頁面就是死鏈接，包括協議死鏈和內容死鏈兩種形式協議死鏈。頁面的tcp狀態，http狀態明確表示的死鏈，常見的如404、403、503狀態等。內容死鏈。服務器返回狀態是正常的，但內容已經變更為不存在，已刪或需要權限等與原內容無關的信息頁面。對于死鏈，建議站點使用協議死鏈，并通過百度站長平臺—死結工具向百度提交，以便百度更快地發現死鏈，減少死鏈對用戶以及搜索引擎造成的負面影響。

(7)異常跳轉。將網絡請求重新指向其他位置即為跳轉。異常跳轉指的是以下幾種情況:

①當前該頁面為無效頁面(如內容已刪除。死鏈等)，直接跳轉到前一目錄或者首頁，百度建議站長將該無效頁面的人口超鏈接刪除。

②跳轉到出錯或者無效頁面注意:對于長時間跳轉到其他城名的情況，如網站更繞域名，百度建議使用301跳轉協議進行設置。

(8)其他異常。

①針對百度reer的異常:網頁針對來自百度的mfe返回不同于正常內容的行為。

②針對百度ua的異常:網頁對百度UA返回不同于頁面原內容的行為。

③Js跳轉異常:網站設計加載了百度無法識別的N跳轉代碼，使得用戶通過搜索結果進入頁面后發生了跳轉的情況。

④壓力過大引起的偶然封禁:百度會根據站點的規模、訪問量等信息，自動設定一個合理的抓取壓力。但是在異常情況下，如壓力控制失常時，服務器會根據自身負荷進行保護性的偶然封禁。這種情況下，請在返回碼中返回503(其含義是ServiceUnavailable)，這樣Baiduspider會過段時間再來嘗試抓取這個鏈接，如果網站已空閑，則會被成功抓取。