Baiduspider

是否攔截Baiduspider？

一般不要攔截。搜尋引擎爬蟲為搜尋引擎提供動力，是使用者發現您網站的有效途徑。事實上，攔截搜尋引擎爬蟲可能會嚴重減少網站的自然流量。

通過Robots.txt攔截

您可以通過在網站的 robots.txt 中設定使用者代理訪問規則來遮蔽 Baiduspider 或限制其訪問許可權。我們建議安裝 Spider Analyser 外掛，以檢查它是否真正遵循這些規則。

# robots.txt
# 下列程式碼一般情況可以攔截該代理
User-agent: Baiduspider
Disallow: /

您無需手動執行此操作，可通過我們的 Wordpress 外掛 Spider Analyser 來攔截不必要的蜘蛛或者爬蟲。

Baiduspider是百度搜尋引擎的一個自動程式，它的作用是訪問網際網路上的網頁，建立索引資料庫，使使用者能在百度搜尋引擎中搜尋到您網站上的網頁。

Baiduspider的user-agent是什麼？

索引擎百度各個產品使用不同的user-agent:

如何區分PC與移動網頁搜尋的UA

 PC搜尋完整UA：Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html）

移動搜尋完整UA：Mozilla/5.0 (Linux;u;Android 4.2.2;zh-cn;) AppleWebKit/534.46 (KHTML,like Gecko) Version/5.1 Mobile Safari/10600.6.3 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)

pc ua：通過關鍵詞Baiduspider/2.0來確定是pc ua

移動ua：通過關鍵詞android和mobile確定是來自移動端抓取訪問，Baiduspider/2.0 確定為百度爬蟲。

Baiduspider對一個網站伺服器造成的訪問壓力如何？

為了達到對目標資源較好的檢索效果，Baiduspider需要對您的網站保持一定量的抓取。我們儘量不給網站帶來不合理的負擔，並會根據伺服器承受能力，網站質量，網站更新等綜合因素來進行調整。如果您覺得baiduspider的訪問行為有任何不合理的情況，您可以反饋至反饋中心

為什麼Baiduspider不停的抓取我的網站？

對於您網站上新產生的或者持續更新的頁面，Baiduspider會持續抓取。此外，您也可以檢查網站訪問日誌中Baiduspider的訪問是否正常，以防止有人惡意冒充Baiduspider來頻繁抓取您的網站。 如果您發現Baiduspider非正常抓取您的網站，請通過投訴平臺反饋給我們，並請儘量給出Baiduspider對貴站的訪問日誌，以便於我們跟蹤處理。

如何判斷是否冒充Baiduspider的抓取？

建議您使用DNS反向查詢和DNS正向查詢相結合的方式來確定抓取來源的ip是否屬於百度，根據平臺不同驗證方法不同，如linux/windows/os三種平臺下的驗證方法分別如下：

在linux平臺下：

1. 使用host ip命令反解ip來判斷是否來自Baiduspider的抓取。Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即為冒充。
2. 使用host命令對第一步中的檢索到的域名執行DNS正向查詢，驗證該域名與訪問伺服器的原始ip地址是否一致。

示例1：

  $ host 123.125.66.120    120.66.125.123.in-addr.arpa domain name pointer baiduspider-123-125-66-120.crawl.baidu.com.

  $ host baiduspider-123-125-66-120.crawl.baidu.com

  baiduspider-123-125-66-120.crawl.baidu.com has address 123.125.66.120

示例2：

  $host 119.63.195.254

  254.195.63.119.in-addr.arpa domain name pointer BaiduMobaider-119-63-195-254.crawl.baidu.jp.

  $host BaiduMobaider-119-63-195-254.crawl.baidu.jp

  BaiduMobaider-119-63-195-254.crawl.baidu.jp has address 119.63.195.254

在windows平臺或者IBM OS/2平臺下：

1. 使用nslookup ip命令反解ip來 判斷是否來自Baiduspider的抓取。開啟命令處理器 輸入nslookup xxx.xxx.xxx.xxx（IP地 址）就能解析ip， 來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即為冒充。
2. 使用 nslookup命令對第一步中檢索到的域名進行DNS正向查詢，驗證該域名與訪問伺服器的原始ip地址是否一致。

在mac os平臺下：

• 使用dig 命令反解ip來判斷是否來自Baiduspider的抓取。開啟命令處理器 輸入dig xxx.xxx.xxx.xxx（IP地 址）就能解析ip，來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以 *.baidu.com 或 *.baidu.jp 的格式命名，非 *.baidu.com 或 *.baidu.jp 即為冒充；
• 使用 dig命令對第一步中檢索到的域名進行DNS正向查詢，驗證該域名與訪問伺服器的原始ip地址是否一致。

我不想我的網站被Baiduspider訪問，我該怎麼做？

Baiduspider遵守網際網路robots協議。您可以利用robots.txt檔案完全禁止Baiduspider訪問您的網站，或者禁止Baiduspider訪問您網站上的部分檔案。 注意：禁止Baiduspider訪問您的網站，將使您的網站上的網頁，在百度搜尋引擎以及所有百度提供搜尋引擎服務的搜尋引擎中無法被搜尋到。關於robots.txt的寫作方法，請參看我們的介紹：robots.txt寫作方法

您可以根據各產品不同的user-agent設定不同的抓取規則，如果您想完全禁止百度所有的產品收錄，可以直接對Baiduspider設定禁止抓取。

以下robots實現禁止所有來自百度的抓取： User-agent: Baiduspider Disallow: /

以下robots實現禁止所有來自百度的抓取但允許圖片搜尋抓取/image/目錄： User-agent: Baiduspider Disallow: /

User-agent: Baiduspider-image Allow: /image/

請注意：Baiduspider-cpro抓取的網頁並不會建入索引，只是執行與客戶約定的操作，所以不遵守robots協議，如果Baiduspider-cpro給您造成了困擾，請聯絡union1@baidu.com。 Baiduspider-ads抓取的網頁並不會建入索引，只是執行與客戶約定的操作，所以不遵守robots協議，如果Baiduspider-ads給您造成了困擾，請聯絡您的客戶服務專員。

為什麼我的網站已經加了robots.txt，還能在百度搜尋出來？

因為搜尋引擎索引資料庫的更新需要時間。雖然Baiduspider已經停止訪問您網站上的網頁，但百度搜尋引擎資料庫中已經建立的網頁索引資訊，可能需要數月時間才會清除。另外也請檢查您的robots配置是否正確。如果您的拒絕被收錄需求非常急迫，也可以通過 投訴平臺 反饋請求處理。

我希望我的網站內容被百度索引但不被儲存快照，我該怎麼做？

Baiduspider遵守網際網路meta robots協議。您可以利用網頁meta的設定，使百度顯示只對該網頁建索引，但並不在搜尋結果中顯示該網頁的快照。和robots的更新一樣，因為搜尋引擎索引資料庫的更新需要時間，所以雖然您已經在網頁中通過meta禁止了百度在搜尋結果中顯示該網頁的快照，但百度搜尋引擎資料庫中如果已經建立了網頁索引資訊，可能需要二至四周才會線上上生效。

Baiduspider抓取造成的頻寬堵塞？

Baiduspider的正常抓取並不會造成您網站的頻寬堵塞，造成此現象可能是由於有人冒充Baiduspider惡意抓取。如果您發現有名為Baiduspider的agent抓取並且造成頻寬堵塞，請儘快和百度聯絡。您可以將資訊反饋至百度投訴平臺 ，如果能夠提供您網站該時段的訪問日誌將更加有利於我們的分析。