如何做搜索引擎蜘蛛日志分析
搜索引擎蜘蛛日志文件是一种非常强大但未被站长充分利用的文件,分析它可以获取有关每个搜索引擎如何爬取网站内容的相关信息点,及查看搜索引擎蜘蛛在一段时间内的行为。
| IP地址(10) | 服务器名称 | 所属国家 |
|---|---|---|
| 178.219.125.34 | host-178.219.125.34-c3.net.pl | PL |
| 185.233.27.244 | host-185-233-27-244.fiberlink.pl | PL |
| 83.1.97.156 | 83.1.97.156 | PL |
| 196.19.207.143 | 196.19.207.143 | US |
| 196.19.207.130 | 196.19.207.130 | DE |
| IP地址(10) | 服务器名称 | 所属国家 |
|---|---|---|
| 114.119.166.221 | ecs-114-119-166-221.compute.hwclouds-dns.com | CN |
| 49.74.23.193 | ? | CN |
| 114.119.165.202 | ecs-114-119-165-202.compute.hwclouds-dns.com | CN |
| 114.119.162.106 | ecs-114-119-162-106.compute.hwclouds-dns.com | CN |
| 114.119.165.22 | ecs-114-119-165-22.compute.hwclouds-dns.com | CN |
对于未知蜘蛛或者爬虫。它的用途对网站来说可能是好的,也可能是坏的,这取决于它是什么。所以说,这需要站长进一步分析判断这些尚不明确的爬虫行为,再作最终决定。 但,根据以往的经验,未声明行为目的及未命名的蜘蛛爬虫,通常都有不可告人的秘密,我们理应对其行为进行控制,比如拦截。
您可以通过在网站的 robots.txt 中设置用户代理访问规则来屏蔽 AspiegelBot 或限制其访问权限。我们建议安装 Spider Analyser 插件,以检查它是否真正遵循这些规则。
# robots.txt # 下列代码一般情况可以拦截该代理 User-agent: AspiegelBot Disallow: /
您无需手动执行此操作,可通过我们的 Wordpress 插件 Spider Analyser 来拦截不必要的蜘蛛或者爬虫。