如何知道蜘蛛爬过你的网站

http://www.szit123.com/hy/app/news/html/?201005060011219860.html

 

一、IIS 日志的设置。

　　第一个步骤：打开 IIS 服务器。选择所要设 置的网站属性。弹出如下窗口：

 

　　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：再次点击这里的“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。

        

　　很多 SEO 设置到这里，点击确定之后，发现 IIS 日志已经开始记录，但是无论如何都找不到搜索引擎爬虫的痕迹，类似于 Baiduspider+ 怎么都看不到，其实，我们还应该做第三个辅助步骤，因为默认的 IIS 日志是不开启这个功能的。

　　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：如果你全部按照上面设置之后，发现你的 IIS 日 志还没开始记录，也就是本次困扰了我非常久的问题，那么最重要的一步就是检查相关的设置是否都完整。

有的朋友说 IIS 日志不记录是因为系统 服务 WINDOWS time 没启动，或者系统的权限不正确等，比如 没让 IIS 日志保存的那个文件夹有和 IIS 一样的权限之类，其实没有这么复杂，把下图的“记录访问”选项勾选即可。这样你的 IIS 日志就开始正常记录了。

　　二、如何分析网站 IIS 日志中的搜索引擎爬虫轨 迹

　　首先，加入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：

2009-04-09 13:02:40 W3SVC321 219.148.111.205 GET /index.html - 80 - 61.135.168.39 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 64- - www.jidianwubi.com

　　这段 IIS 日志代码表示：在 2009-04-09 13:02:40 这个时间，百度搜索引擎的蜘蛛（ ip 地址为 61.135.168.39 ， 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 219.148.111.205 的 网站 www.jidianwubi.com ，并且抓取了首页 /index.html ，该日志记录保存在 W3SVC321 文件夹。

　　其中，两个地方值得说明：

　　一是代码中的 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。

　　二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 ） Googlebot ：从 Google 的网站 索引和新闻索引中抓取网页

2 ） Googlebot-Mobile 针对 Google 的 移动索引抓取网页

3 ） Googlebot-Image ：针对 Google 的 图片索引抓取网页

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。

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：）