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(65) | 服务器名称 | 所属国家 |
|---|---|---|
| 35.180.57.200 | ec2-35-180-57-200.eu-west-3.compute.amazonaws.com | FR |
| 15.236.212.64 | ec2-15-236-212-64.eu-west-3.compute.amazonaws.com | FR |
| 13.39.22.8 | ec2-13-39-22-8.eu-west-3.compute.amazonaws.com | FR |
| 13.38.217.138 | ec2-13-38-217-138.eu-west-3.compute.amazonaws.com | FR |
| 35.180.227.60 | ec2-35-180-227-60.eu-west-3.compute.amazonaws.com | ? |
| IP地址(7) | 服务器名称 | 所属国家 |
|---|---|---|
| 213.246.45.63 | frhb60348ds.ikexpress.com | FR |
| 51.159.186.213 | 213-186-159-51.instances.scw.cloud | FR |
| 51.159.144.254 | 254-144-159-51.instances.scw.cloud | FR |
| 51.159.177.141 | 141-177-159-51.instances.scw.cloud | FR |
| 51.159.160.208 | 208-160-159-51.instances.scw.cloud | FR |
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 EMDASH bot 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: EMDASH bot 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。