建站常识

网站日志文件如何分析搜索引擎爬虫

发布时间 | 2018/8/25  点击 | 

在你网站遇到收录问题的时候,可能会分析这分析那的原因,但首页分析的应该是爬虫有没有到你网站的记录,如果没有,说明你的链接不过吸引爬虫;如果有过,你就应该看返回的代码,然后根据这个再分析其它的原因。要找到事情的原因,才能更加有效的解决问题。 

   假如你要搜索百度的爬虫,那么就直接在保存记录的文本文档上搜索“Baiduspider”,我们节选以下一行来做详细的分析:

  2011-07-22 15:02:40 CDKKIS111 198.16.12.1  GET /index.html - 80 - 61.135.168.50 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 64- - bbs.szr.com

  这段IIS日志代码表示:在2011-07-22 15:02:40 这个时间,百度搜索引擎的蜘蛛(ip地址为61.135.168.50,后面的http://www.baidu.com/search/spider.htm是关于Baiduspider+的相关问题)访问了服务器ip为198.16.12.1的网站bbs.szr.com,并且抓取了首页/index.html,该日志记录保存在 CDKKIS111文件夹。其中,两个地方值得说明:  一是各大搜索引擎爬虫(蜘蛛)的名称整理如下,大家可以对号入座:

  1. Google爬虫名称

  1.1 Googlebot:从Google的网站索引和新闻索引中抓取网页

  1.2 Googlebot-Mobile针对Google的移动索引抓取网页

  1.3 Googlebot-Image:针对Google的图片索引抓取网页

  1.4 Mediapartners-Google:抓取网页确定 AdSense 的内容。只有在你的网站上展示 AdSense 广告的情况下,Google才会使用此漫游器来抓取您的网站。

  1.5 Adsbot-Google:抓取网页来衡量 AdWords 目标网页的质量。只有在你使用 Google AdWords 为你的网站做广告的情况下,Google才会使用此漫游器。

  2. 百度(Baidu)爬虫名称:Baiduspider

  3. 雅虎(Yahoo)爬虫名称:Yahoo Slurp

  4. 有道(Yodao)蜘蛛名称:YodaoBot

  5. 搜狗(sogou)蜘蛛名称:sogou spider

  6. MSN的蜘蛛名称:Msnbot

  其他的搜索引擎我们使用得很少,就不需要理会了。

       二是代码中的200表示搜索引擎蜘蛛爬行后返回HTTP的状态代码,代表成功爬行并抓取。

  各个数字代码的具体意思参见如下:

  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。

   说了这么多,可能很多SEO新手朋友还找不到网站日志该在哪里看,这个是需要在IIS服务器进行配置的哦,把步骤列出来,想想聪明的你很快就能学会:

    第一个步骤:打开IIS服务器。选择所要设置的网站属性。选择“启用日志记录”,勾选,选择“W3C扩展日志文件格式”。

    第二步骤:点击“W3C扩展日志文件格式”后面的“属性”按钮,常规选项里面,选择新日志计划为“每天”,当然也可以选择其他,选择好保存日志文件的目录。(注:日志文件最好跟你要设置的网站放在一个目录内,避免和其他网站日志混淆)

    第三个步骤:选择高级选项。勾选底下的用户代理(cs(User-Agent))等选项,我一般都将最下面的三个选项勾选起来。这样,你才可以看到百度等爬虫的名称。

    第四个步骤:选择名为“主目录”的选项卡,勾选“记录访问”的复选框即可。这样你的IIS日志就开始正常记录了。

    希望通过以上方法能够让大家更好的了解搜索引擎,在优化的时候达到事半功倍的效果!

相关信息