百度蜘蛛，全称应该为“百度搜索引擎蜘蛛”，英文为“Baidu Spider”，是百度搜索引擎系统中的一个自动程序，主要负责访问并收集互联网上的页面。后面其他程序会进行分类整理并建立索引数据库，在用户在百度搜索时，会从索引数据库中调用数据，并呈现出程序认为最合适的排名结果页面。
1）百度蜘蛛是如何爬行的
百度搜索引擎蜘蛛访问（爬行）网站页面的过程和我们平时使用浏览器基本相同。
- 百度蜘蛛请求：百度搜索引擎蜘蛛发出页面访问的请求。
- 服务器响应：服务器返回HTML代码。
- 百度蜘蛛保存代码：百度搜索引擎蜘蛛将收到的代码保存至原始页面数据库中。后期其他程序会进行复杂操作，大部分优质内容会被放入索引数据库，一部分低质将会被忽略。
2）百度蜘蛛是如何工作的
百度搜索引擎蜘蛛为了提高爬行和抓取的效率，采用多个蜘蛛并发分布爬行。有两种策略。
- 深度优先：深度优先是顺着链接一直向前爬行，直到前面再也没有其他链接，然后返回第一个页面，沿着另外一个链接继续一直往前爬行。
- 广度优先：广度优先是指先爬行当前页面上的所有导出链接，然后再去爬行某一导出链接页面上的所有链接。
3）百度蜘蛛还做了哪些工作
- 深度优先对网站复制内容的检测：对于某些权重较低的网站复制内容过多，搜索引擎蜘蛛可能就不会再继续爬行。
- 不爬行与抓取地址库中的URL：百度搜索引擎建立一个地址库，如果url已经在地址库中，百度搜索引擎蜘蛛就不会重复去爬行与抓取，所以，百度蜘蛛在发现链接后，并不是马上去访问，而是先将URL存入地址库中，然后统一安排抓取。
4）通常地址库的URL有几种来源
- 百度搜索引擎蜘蛛抓取：主要来源之一。
- 站长sitemap提交：网站站长为了网站文章更快被搜索引擎所收录，通常会提交网站的XML地图给搜索引擎，XML地图包含了网站所有的链接。
- 站长提交网址：站长可以提交未被百度收录的网站首页或内容页。不过百度目前的比较有效的不是百度后台提交链接，而是熊掌ID（原熊掌号）提交链接。
- 百度工作人员主动录入种子网站：百度搜索引擎会把认为网站比较重要，比较有前途的网站主动人工录入。
秒收录是每一个站长的心愿，原来做到秒收录确实挺难的，可现在有了百度熊掌ID，原创优质文章几乎可以达到秒收录，不过官方声明为1小时内收录。除了百度熊掌ID外，还有几点可以吸引百度蜘蛛每天来抓取我们的网站。
1）页面更新频率
网站更新文章频率越高越好，前提是保证文章质量与原创比例的前提下。
2）导入链接
网站导入链接越多越好，前提是优质的导入链接，友链和单向外链均可。
3）URL结构
URL结构要扁平化，浅一些可能收录效果会更好。
4）网站权重
网站权重越高，蜘蛛来访越频繁，都是相辅相成的。
5）与首页的距离
文章页面最好与首页不要太远，如三级即可。
6）页面质量
文章质量一定要保证，原创优质文章也好，转载的文章也好，总之一定要优秀。
可以通过查看网站日志进行分析。Windows服务器的IIS与Linux服务器的apache都有记录网站日志的功能。
百度官方给出的辨别百度蜘蛛的方法
1）查看UA
首先要UA正确，百度公布过的UA有如下这些。
- 移动UA:Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,likeGecko) 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）
新增渲染UA:
- 移动UA：Mozilla/5.0 (iPhone; CPU iPhone OS 9_1 likeMac OS X) AppleWebKit/601.1.46 (KHTML, like Gecko) Version/9.0 Mobile/13B143Safari/601.1 (compatible; Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)
- PC UA：Mozilla/5.0 (compatible;Baiduspider-render/2.0; +http://www.baidu.com/search/spider.html)
2）反查IP
可以通过dns反差ip的方法判断是否是百度蜘蛛，只要不是来自“. baidu . com”或“. baidu . jp”即为假冒的百度蜘蛛。
错误君认为很多网站因使用Javascript代码或框架结构等问题，不能被百度蜘蛛所抓取网站内容。这里进行诊断也是为了防止蜘蛛来网站后，因为不能正常抓取而离开，导致网站收录很差，快照不更新等问题。
如果诊断结果有问题，则需要修正问题，提升与百度蜘蛛的友好度。这里自然是推荐百度官方在线抓取诊断工具：
错误君提示您以下内容仅供参考。
1）抓取你网站的网页蜘蛛
60.172.229.61
61.129.45.72
61.135.162.*
2）百度竞价蜘蛛
61.135.165.134
117.34.74.66
118.122.188.194
119.63.196.9
125.39.78.185
3）百度统计的蜘蛛
61.135.186.*
4）站长工具的模仿的百度蜘蛛
61.147.98.146
61.188.39.16
113.98.254.245
117.21.220.245
117.28.255.42
5）搜外站长工具的模仿的百度蜘蛛
124.248.34.52
6）114站长工具箱模仿的百度蜘蛛
119.147.114.213
121.10.141.*
7）百度图片蜘蛛
123.15.**.**
8）抓取网站内页收录的权重较低的非原创，需要通过一段时间考察
123.125.71.*
9）站长工具检测造成的无用
125.90.88.*
10）百度考察期蜘蛛或降权蜘蛛
159.226.50.*
180.76.5.*
180.76.5.87
220.181.158.107
11）伪装百度蜘蛛
180.149.130.*
12）新站及站点有不正常现象
183.91.40.144
203.208.60.*
13）不间断巡逻各站就是路过
210.72.225.*
14）沙盒或者有被K站
123.125.68.*
218.30.118.102
220.181.68.*
15）此ip爬过的文章或首页，绝对24小时内放出来和隔夜快照
220.181.108.*
16）百度蜘蛛IP来过，准备抓取
123.125.66.*
220.181.7.*
17）度过新站考察期
121.14.89.*
18）百度抓取首页的专用IP，网站首页快照更新快，隔夜更新
220.181.108.95
19）百度的权重IP段，抓取的文章第二天放出来，权重较高
220.181.108.92
20）综合性权重IP，抓取文章和首页，权重较高
220.181.108.91
220.181.108.75
21）抓取内页收录的，但权重较低
123.125.71.95
123.125.71.97
123.181.108.77
123.125.71.106
22）抓取网站首页的，也属于权重段，权重较高
220.181.108.89
220.181.108.94
220.181.108.97
220.181.108.80
220.181.108.77
220.181.108.83
220.181.108.86
本文地址：http://sjzytwl.xhstdz.com/quote/71926.html 物流园资讯网 http://sjzytwl.xhstdz.com/ , 查看更多