时间：2023-03-08 12:10:01 | 来源：电子商务
时间：2023-03-08 12:10:01 来源：电子商务
为了更好的观察网站被蜘蛛爬行的规律，我租用的服务器又没有提供访问日志，不得已，花了不少时间编写了一个基于PHP的专门分析蜘蛛爬行纪录的程序，经过三个月的对几个目标网站的观察，得出以下几个小经验给大家分享，当然，因研究有限，肯定有不足的或错误的地方，请大家不要向我扔砖头啊。
一、百度蜘蛛
这期间我上了两个新网站，发现，百度蜘蛛一般一到三天就可以爬行到首页，开始更新很猛，大约会持续两天到一个星期，三天后就可以在百度中site到首页，虽然百度蜘蛛爬行了上万个页面，但往往只会收录几个页面，两个星期之后，百度将每天只抓取一两次首页，其它页面很少抓取，这个过程会持续一段时间，长的是几个月，短的几天。但百度在这段时间里收录量会有所增加。这段时间 可能是考察期吧。在这段时间里，我的一个站被百度K了，蜘蛛也就不来了。过了这个时间段后，百度蜘蛛访问将趋于稳定，我有两个站百度每天都只来抓取200到300次，收录量变化不大。而我另一个站 shop.hhbmw.com 可能因为外链较多，百度蜘蛛来得相对较勤，近一个月来，每天来访2万到8万次左右，波动比较大，不过，site一下，百度收录量并不高，这可能要到下次百度大更新时才能反应结果。
百度蜘蛛访问目标网页时，会把URL中的汉字编码字符转换成汉字，(如 会变成 陆建军88/6c318ea2660bcc4b73b220e16edf96b3.htm ，即“%E9%99%86%E5%BB%BA%E5%86%9B88” 转换成了“陆建军88”)，这样就会出现一个问题了，如果主机对中文URL支持不好，可能会影响百度的收录。
百度蜘蛛访问某个站点时，其访问也有一定的规律，不少都是按汉字的音序来访问的。
二、谷歌蜘蛛
谷歌蜘蛛对新网站发现的速度很快，但收录相对平稳，每天的抓取的页面数也比较稳定，PR越高，外链越多的网站更新越快。反之，GOOGLE PR低的网站更新较慢。
三、搜捭、搜狗、有道蜘蛛
更新比较快，但不太稳定，每天的访问波动也比较大，比百度更难捉摸，我有个站被搜搜和搜狗都K得只剩首页了。
四、雅虎、MSN
雅虎的更新快，但收录少，MSN的更新极慢。
对于robots.txt的支持，百度、谷歌、搜捭、搜狗、雅虎、MSN等的蜘蛛支持度比较好，对robots的Crawl-delay 语法也能很好的支持。
而有道蜘蛛基本上不理会robots.txt 的Crawl-delay 语法。
附今天的访问日志截图：
关键词：访问,蜘蛛,规律,日志,索引
在线咨询
