如何分析搜索引擎爬虫日志

在你网站遇到收录问题的时候，可能会分析这分析那的原因，但首页分析的应该是爬虫有没有到你网站的记录，如果没有，说明你的链接不过吸引爬虫；如果有过，你就应该看返回的代码，然后根据这个再分析其它的原因。要找到事情的原因，才能更加有效的解决问题。　

    假如你要搜索百度的爬虫，那么就直接在保存记录的文本文档上搜索“Baiduspider”，我们节选以下一行来做详细的分析：
　　2011-07-22 15:02:40 CDKKIS111 198.16.12.1  GET /index.html - 80 - 61.135.168.50 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 64- - bbs.szr.com
　　这段IIS日志代码表示：在2011-07-22 15:02:40 这个时间，百度搜索引擎的蜘蛛（ip地址为61.135.168.50，后面的http://www.baidu.com/search/spider.htm是关于Baiduspider+的相关问题）访问了服务器ip为198.16.12.1的网站bbs.szr.com，并且抓取了首页/index.html，该日志记录保存在 CDKKIS111文件夹。其中，两个地方值得说明：　　一是各大搜索引擎爬虫（蜘蛛）的名称整理如下，大家可以对号入座：
　　1. Google爬虫名称
　　1.1 Googlebot：从Google的网站索引和新闻索引中抓取网页 
　　1.2 Googlebot-Mobile针对Google的移动索引抓取网页 
　　1.3 Googlebot-Image：针对Google的图片索引抓取网页 
　　1.4 Mediapartners-Google：抓取网页确定 AdSense 的内容。只有在你的网站上展示 AdSense 广告的情况下，Google才会使用此漫游器来抓取您的网站。 
　　1.5 Adsbot-Google：抓取网页来衡量 AdWords 目标网页的质量。只有在你使用 Google AdWords 为你的网站做广告的情况下，Google才会使用此漫游器。 
　　2. 百度（Baidu）爬虫名称：Baiduspider
　　3. 雅虎（Yahoo）爬虫名称：Yahoo Slurp
　　4. 有道（Yodao）蜘蛛名称：YodaoBot
　　5. 搜狗（sogou）蜘蛛名称：sogou spider
　　6. MSN的蜘蛛名称：Msnbot
　　其他的搜索引擎我们使用得很少，就不需要理会了。

        二是代码中的200表示搜索引擎蜘蛛爬行后返回HTTP的状态代码，代表成功爬行并抓取。
　　各个数字代码的具体意思参见如下：
　　2xx 成功
　　200 正常;请求已完成。
　　201 正常;紧接 POST 命令。
　　202 正常;已接受用于处理，但处理尚未完成。
　　203 正常;部分信息 — 返回的信息只是一部分。
　　204 正常;无响应 — 已接收请求，但不存在要回送的信息。

　　3xx 重定向
　　301 已移动 — 请求的数据具有新的位置且更改是永久的。
　　302 已找到 — 请求的数据临时具有不同 URI。
　　303 请参阅其它 — 可在另一 URI 下找到对请求的响应，且应使用 GET 方法检索此响应。
　　304 未修改 — 未按预期修改文档。
　　305 使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。
　　306 未使用 — 不再使用;保留此代码以便将来使用。

　　4xx 客户机中出现的错误
　　400 错误请求 — 请求中有语法问题，或不能满足请求。
　　401 未授权 — 未授权客户机访问数据。
　　402 需要付款 — 表示计费系统已有效。
　　403 禁止 — 即使有授权也不需要访问。
　　404 找不到 — 服务器找不到给定的资源;文档不存在。
　　407 代理认证请求 — 客户机首先必须使用代理认证自身。
　　410 请求的网页不存在(永久);
　　415 介质类型不受支持 — 服务器拒绝服务请求，因为不支持请求实体的格式。

　　5xx 服务器中出现的错误
　　500 内部错误 — 因为意外情况，服务器不能完成请求。
　　501 未执行 — 服务器不支持请求的工具。
　　502 错误网关 — 服务器接收到来自上游服务器的无效响应。
　　503 无法获得服务 — 由于临时过载或维护，服务器无法处理请求。

    说了这么多，可能很多SEO新手朋友还找不到网站日志该在哪里看，这个是需要在IIS服务器进行配置的哦，把步骤列出来，想想聪明的你很快就能学会：

     第一个步骤：打开IIS服务器。选择所要设置的网站属性。选择“启用日志记录”，勾选，选择“W3C扩展日志文件格式”。
     第二步骤：点击“W3C扩展日志文件格式”后面的“属性”按钮，常规选项里面，选择新日志计划为“每天”，当然也可以选择其他，选择好保存日志文件的目录。（注：日志文件最好跟你要设置的网站放在一个目录内，避免和其他网站日志混淆）
     第三个步骤：选择高级选项。勾选底下的用户代理（cs(User-Agent)）等选项，我一般都将最下面的三个选项勾选起来。这样，你才可以看到百度等爬虫的名称。
     第四个步骤：选择名为“主目录”的选项卡，勾选“记录访问”的复选框即可。这样你的IIS日志就开始正常记录了。

     希望通过以上方法能够让大家更好的了解搜索引擎，在优化的时候达到事半功倍的效果！