百度蜘蛛是什么意思?百度蜘蛛是百度搜索引擎的一个自动程序。它的作用是访问收集整理互联网上的网页、图片、视频等内容,然后分门别类建立索引数据库,使用户能在百度搜索引擎中搜索到您网站的网页、图片、视频等内容。
然而很多站长遇到的这样的一个问题,网站或智能小程序资源的内容非常优质,但是没有查询到百度蜘蛛抓取记录,或在百度搜索中没有得到收录和展现?遇到这种问题有可能是部分网站或智能小程序存在封禁百度蜘蛛的情况,导致百度蜘蛛无法正常抓取,所以无法在百度搜索中正常收录和展现。常见的封禁行为包括robots封禁、封禁百度UA、封禁百度IP等。如何验证网站和智能小程序是否存在封禁百度蜘蛛的情况?
1、自查robots.txt文件
首先查看robots.txt文件,是否存在封禁记录,一般robots.txt文件放置在网站根目录下。
建议:如果存在robots封禁的情况,请开发者们及时修改或者删除robots.txt文件。
2、自查是否封禁百度UA
如果自查robots.txt文件无异常,可以进一步排查是否存在封禁百度UA情况。
(1)、执行代码进行自查
执行以下命令进行排查:
curl–head–user-agent’Mozilla/5.0 (compatible;Baiduspider/2.0;+http://www.baidu.com/search/spider.html)’–request GET ‘xxxxxxx’
xxxxxxx为网站域名,如:http://www.abc.com
注意:如果站点正常,不存在封禁百度UA的情况,则其返回码是200,如出现其他返回码为异常。
(2)、变更浏览器进行UA验证
通过观察站点资源在其他浏览器是否得到正常的抓取和收录,来判断网站是否有封禁百度UA的情况。
建议:查看网站反爬虫策略,进行策略调整,解除百度UA封禁;或者针对百度UA添加策略白名单。
3、自查是否存在IP封禁
如果以上验证均无异常,则可以排查是否存在IP封禁的情况。常见的IP封禁,源自网站的防火墙系统配置,需要查看防火墙配置系统后台,检查是否存在百度蜘蛛的IP级别封禁措施。
建议:查看网站反爬虫策略,进行策略调整,解除百度IP封禁。