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ex101116.log下载到本地,这个文件就是王大君网络营销博客网站2010年11月16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
bd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bd蜘蛛代码“baiduspider”的记录,看下里面的代码:
2010-11-15 18:18:10 174.192.105.6 GET /post/5.html - 80 - 220.181.108.166 Baiduspider+ (+http://www.baidu.com/search/spider.htm) - www.wangdajun.net 200 ....
小贴士:本文作者王大君,推一把核心团队成员、蓝色烽火成员。想看作者更多文章请登录王大君网络营销博客(www.wangdajun.net)。
下面我来解释下这段代码:
1、2010-11-15 18:18:10 是bd蜘蛛来的日期和时间。
2、 GET /post/5.html是bd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bd蜘蛛的ip地址
5、Baiduspider+(+http://www.baidu.com/search/spider.htm)就是指bd蜘蛛了
6、www.wangdajun.net 王大君网络营销博客的网络地址
7、200表示抓取成功,这是bd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。
本文作者王大君,推一把核心团队成员、蓝色烽火成员。想看作者更多文章请登录王大君网络营销博客(www.wangdajun.net)。
王大君网络营销群:120973316 ,
王大群腾讯微博交流群:112984178 ,
王大君的腾讯微博:http:// t.qq.com/junyue18198 ,
王大君的新浪微博:http://t.sina.com.cn/1113924081
本文首发地址王大君网络营销博客:http://www.wangdajun.net/post/6.html
欢迎免费转载,转载时请保留原作者信息,谢谢合作!