[官方]百度蜘蛛抓取流量暴增的原因

先我们来说说这两个问题，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；
　　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（见下文关于BaiduSpider）。

　　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，可以通过百度的反馈中心（http：//zhanzhang.baidu.com/feedback）反馈，注：一定要提供详细的抓取日志截图。

　　关于BaiduSpider

　　如何正确识别Baiduspider移动ua

　　新版移动ua：

　　Mozilla/5.0(Linux；u；Android4.2.2；zh-cn；)

　　AppleWebKit/534.46(KHTML，likeGecko)

　　Version/5.1MobileSafari/10600.6.3(compatible；Baiduspider/2.0；+http：//www.baidu.com/search/spider.html)

　　PCua：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！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，PCua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。

　　如何识别百度蜘蛛

　　百度蜘蛛对于站长来说可谓上宾，可是也有站长会发出这样的疑问：

　　我们如何判断疯狂抓我们网站内容的蜘蛛是不是百度的？

　　其实站长可以通过DNS反查IP的方式判断某只spider是否来自百度搜索引擎。根据平台不同验证方法不同，如linux/windows/os三种平台下的验证方法分别如下：

　　1、在linux平台下，可以使用hostip命令反解ip来判断是否来自Baiduspider的抓取。Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即为冒充。
　　2、在windows平台或者IBMOS/2平台下，可以使用nslookupip命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入nslookupxxx.xxx.xxx.xxx（IP地址）就能解析ip，来判断是否来自Baiduspider的抓取，Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即为冒充。
　　3、在macos平台下，您可以使用dig命令反解ip来判断是否来自Baiduspider的抓取。打开命令处理器输入digxxx.xxx.xxx.xxx（IP地址）就能解析ip，来判断是否来自Baiduspider的抓取，Baiduspider的hostname以*.baidu.com或*.baidu.jp的格式命名，非*.baidu.com或*.baidu.jp即为冒充。

　　BaiduspiderIP是多少

　　即便很多站长知道了如何判断百度蜘蛛，仍然会不断地问“百度蜘蛛IP是多少”。并想将百度蜘蛛所在IP加入白名单，只准白名单下IP对网站进行抓取，避免被采集等行为。

　　百度方面表示，不建议站长这样做。虽然百度蜘蛛的确有一个IP池，真实IP在这个IP池内切换，但无法保证这个IP池整体不会发生变化。所以，建议站长勤看日志，发现恶意蜘蛛后放入黑名单，以保证百度的正常抓取。

　　同时，百度方面还强调：通过IP来分辨百度蜘蛛的属性是非常可笑的事情，所谓的“沙盒蜘蛛”“降权蜘蛛”等等是从来都不存在的。