分类分类
2016-09-23 16:59作者：小静
Spider对网站抓取数量突增往往给站点带来很大烦恼，纷纷找平台想要Baiduspider IP白名单，但实际上BaiduSpider IP会随时变化，所以并不敢公布出来，担心站长设置不及时影响抓取效果。百度是怎么计算分配抓取流量的呢?站点抓取流量暴增的原因有哪些呢
总体来说，Baiduspider会根据站点规模、历史上网站每天新产出的链接数量、已抓取网页的综合质量打分等等，来综合计算抓取流量，同时兼顾站长在抓取频次工具里设置的、网站可承受的最大抓取值。
从目前追查过的抓取流量突增的case中，原因可以分为以下几种：
1， Baiduspider发现站内JS代码较多，调用大量资源针对JS代码进行解析抓取
2， 百度其他部门(如商业、图片等)的spider在抓取，但流量没有控制好，sorry
3， 已抓取的链接，打分不够好，垃圾过多，导致spider重新抓取
4， 站点被攻击，有人仿冒百度爬虫
(推荐阅读：《如何正确识别BaiduSpider》正文如下：
百度站长平台发布公告宣布新版Baiduspider移动ua上线，同时公布了PC版Baiduspider ua，那么该如何正确识别移动ua呢?我们百度站长平台技术专家孙权老师给出了答案：
新版移动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:
Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)
之前通过“+http://www.baidu.com/search/spider.html”进行识别的网站请注意!您需要修改识别方式，新的正确的识别Baiduspider移动ua的方法如下：
1. 通过关键词“Android”或者“Mobile”来进行识别，判断为移动访问或者抓取。
2. 通过关键词“Baiduspider/2.0”,判断为百度爬虫。
另外需要强调的是，对于robots封禁，如果封禁的agent是Baiduspider，会对PC和移动同时生效。即，无论是PC还是移动Baiduspider，都不会对封禁对象进行抓取。之所以要强调这一点，是发现有些代码适配站点(同一个url，PC ua打开的时候是PC页，移动ua打开的时候是移动页)，想通过设置robots的agent封禁达到只让移动Baiduspider抓取的目的，但由于PC和移动Baiduspider的agent都是Baiduspider,这种方法是非常不可取的。
)
如果站长排除了自身问题、仿冒问题，确认BaiduSpider抓取流量过大的话，可以通过反馈中心来反馈，切记一定要提供详细的抓取日志截图。
相关