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(20) | 服务器名称 | 所属国家 |
|---|---|---|
| 3.80.199.255 | ec2-3-80-199-255.compute-1.amazonaws.com | ? |
| 54.198.91.249 | ec2-54-198-91-249.compute-1.amazonaws.com | US |
| 18.143.148.249 | ec2-18-143-148-249.ap-southeast-1.compute.amazonaws.com | SG |
| 52.221.181.165 | ec2-52-221-181-165.ap-southeast-1.compute.amazonaws.com | SG |
| 54.254.200.112 | ec2-54-254-200-112.ap-southeast-1.compute.amazonaws.com | SG |
| IP地址(20) | 服务器名称 | 所属国家 |
|---|---|---|
| 52.55.151.228 | ec2-52-55-151-228.compute-1.amazonaws.com | US |
| 44.201.187.5 | ec2-44-201-187-5.compute-1.amazonaws.com | US |
| 54.81.28.98 | ec2-54-81-28-98.compute-1.amazonaws.com | US |
| 54.167.84.134 | ec2-54-167-84-134.compute-1.amazonaws.com | US |
| 3.239.221.20 | ec2-3-239-221-20.compute-1.amazonaws.com | US |
| IP地址(20) | 服务器名称 | 所属国家 |
|---|---|---|
| 44.204.246.16 | ec2-44-204-246-16.compute-1.amazonaws.com | US |
| 107.23.124.231 | ec2-107-23-124-231.compute-1.amazonaws.com | US |
| 54.144.253.163 | ec2-54-144-253-163.compute-1.amazonaws.com | US |
| 3.85.9.197 | ec2-3-85-9-197.compute-1.amazonaws.com | US |
| 44.210.105.111 | ec2-44-210-105-111.compute-1.amazonaws.com | US |
| IP地址(9) | 服务器名称 | 所属国家 |
|---|---|---|
| 54.169.208.252 | ec2-54-169-208-252.ap-southeast-1.compute.amazonaws.com | SG |
| 52.19.191.224 | ec2-52-19-191-224.eu-west-1.compute.amazonaws.com | IE |
| 52.49.232.148 | ec2-52-49-232-148.eu-west-1.compute.amazonaws.com | IE |
| 52.77.251.90 | ec2-52-77-251-90.ap-southeast-1.compute.amazonaws.com | SG |
| 52.36.94.35 | ec2-52-36-94-35.us-west-2.compute.amazonaws.com | US |
| IP地址(9) | 服务器名称 | 所属国家 |
|---|---|---|
| 52.77.251.90 | ec2-52-77-251-90.ap-southeast-1.compute.amazonaws.com | SG |
| 54.169.208.252 | ec2-54-169-208-252.ap-southeast-1.compute.amazonaws.com | SG |
| 52.19.191.224 | ec2-52-19-191-224.eu-west-1.compute.amazonaws.com | IE |
| 52.49.232.148 | ec2-52-49-232-148.eu-west-1.compute.amazonaws.com | IE |
| 52.34.28.139 | ec2-52-34-28-139.us-west-2.compute.amazonaws.com | US |
| IP地址(1) | 服务器名称 | 所属国家 |
|---|---|---|
| 54.169.208.252 | ec2-54-169-208-252.ap-southeast-1.compute.amazonaws.com | SG |
| IP地址(3) | 服务器名称 | 所属国家 |
|---|---|---|
| 54.164.120.156 | ec2-54-164-120-156.compute-1.amazonaws.com | US |
| 52.1.172.87 | ec2-52-1-172-87.compute-1.amazonaws.com | US |
| 54.164.24.49 | ec2-54-164-24-49.compute-1.amazonaws.com | US |
| IP地址(3) | 服务器名称 | 所属国家 |
|---|---|---|
| 52.0.110.70 | ec2-52-0-110-70.compute-1.amazonaws.com | US |
| 52.1.172.87 | ec2-52-1-172-87.compute-1.amazonaws.com | US |
| 54.164.24.49 | ec2-54-164-24-49.compute-1.amazonaws.com | US |
| IP地址(1) | 服务器名称 | 所属国家 |
|---|---|---|
| 54.221.168.225 | ec2-54-221-168-225.compute-1.amazonaws.com | US |
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 slackbot 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: slackbot 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。
Slack采用了几个robot，用网络上的额外信息来增强产品。你在这里可能是因为你在访问日志中发现了Slackbot，可能会有一些疑惑。下面的内容则是来帮助您了解Slackbot。
Slack使用的每个机器人都通过其用户代理唯一地识别自己。
Slackbot Link Expanding
Slackbot-LinkExpanding 1.0 (+https://api.slack.com/robots)
这个机器人对Slack用户发布到他们频道的链接做出反应。它尽可能少地获取页面的内容（使用HTTP范围头），以提取关于内容的元标签。具体来说，我们正在寻找oEmbed和Twitter Card/Open Graph标签。如果一个页面的标签指向一个图片、视频或音频文件，我们也会获取该文件以检查其有效性并提取其他元数据。
一个使用oEmbed的富媒体例子：
一个使用Twitter Card/Open Graph标签嵌入的例子：
对这些请求的回应在整个服务中被缓存了大约30分钟。你不应该看到我们对同一URL的请求比这更频繁。更多关于链接展开的工作方式，以显示摘要内容。
Imgproxy
Slack-ImgProxy 0.19 (+https://api.slack.com/robots)
这个机器人用于获取和缓存发布到Slack频道的图片。通过这种方式代理图片，我们可以隐藏详细的推荐人信息（可能包括团队和/或项目名称），确保这些图片通过HTTPS提供，并提高性能。
Slackbot
Slackbot 1.0(+https://api.slack.com/robots)
这是我们默认的，什么都做的。任何时候，如果我们需要做一个不在上述范围内的HTTP请求，我们就使用这个机器人。例如，为我们集成的服务提出API请求，或发送用户在其团队中配置的Outgoing Webhooks。
由于爬虫是由Slack团队（不完美的人类）指挥机器人，他们完全有可能做一些他们不应该做的事情。Slack非常乐意将你的网站添加到阻止列表/允许列表中，或回答你关于我们机器人的问题。请联系我们，或给Slack发一条推特@slackapi。
Slackbot目前不遵循 robots.txt 文件。在实施和试验这样做之后，Slack收到了太多来自用户的抱怨，因为互联网的很大一部分是爬虫无法访问的。由于Slack不是爬虫（Slack不跟踪链接，而且Slack是代表人类行事），停止像处理爬虫一样处理robots.txt文件是合理的。如果您仍然希望您的网站被阻挡在slack.com的嵌入物之外，或者希望改变您的嵌入物的显示方式，请联系Slack。
