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(274) | 服务器名称 | 所属国家 |
|---|---|---|
| 66.102.6.166 | google-proxy-66-102-6-166.google.com | US |
| 64.233.172.199 | google-proxy-64-233-172-199.google.com | US |
| 66.102.6.164 | google-proxy-66-102-6-164.google.com | US |
| 64.233.172.201 | google-proxy-64-233-172-201.google.com | US |
| 66.102.6.168 | google-proxy-66-102-6-168.google.com | US |
| IP地址(10) | 服务器名称 | 所属国家 |
|---|---|---|
| 66.249.92.59 | rate-limited-proxy-66-249-92-59.google.com | US |
| 66.249.92.213 | rate-limited-proxy-66-249-92-213.google.com | US |
| 66.249.92.144 | rate-limited-proxy-66-249-92-144.google.com | US |
| 64.233.172.187 | google-proxy-64-233-172-187.google.com | US |
| 66.249.92.94 | rate-limited-proxy-66-249-92-94.google.com | US |
通常不需要。除非您不希望信息流网站或者APP对您的网站内容进行抓取,网站也不提供Feed订阅服务,则可以考虑拦截此类型爬虫。
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 FeedBurner 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: FeedBurner 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。
FeedBurner是一个于2004年在美国芝加哥市成立的网站馈送管理供应商。FeedBurner为博客作者、Podcast与其他基于网络的内容发布者提供订制的RSS馈送与管理工具,提供予发布者的服务包括流量分析以及一个可供选择的广告系统。
基本上可以使用Feedburner作为 “代理”。
据我所知,它的主要用途是。创建一个带有大量URLs的feed(针对一个目标网站)并提交给Google Feedburner。然后Feedburner会尝试访问feed中的所有页面。Feedburner 是一个分布式的服务,所以可以建立很多连接。
一般来说,只是通过用户代理来阻止。如果不使用 Feedburner,应该不会有合法的 UA 流量。
此外,封锁IP也没有什么坏处(只要对特定的IP进行封锁)–因为Googlebot(通常是Google唯一 “关心 “的流量)不会来自这些IP。
(它在一定程度上是作为DDOS的放大作用,但它也可以被用于爬虫。由于feedburner做的是抓取,通常提供一个 “简明 “的页面摘要。但最终的Feed将包含所获取页面的内容)。