下面介紹一些常見(jiàn)的抓取異常的原因。
(1)服務(wù)器連接異常。服務(wù)器連接異常會(huì)有兩種情況。一種是站點(diǎn)不穩(wěn)定，Baidu spider嘗試連接網(wǎng)站的服務(wù)器時(shí)出現(xiàn)暫時(shí)無(wú)法連接的情況；另一種是Baidu spider一直無(wú)法連接上網(wǎng)站的服務(wù)器。造成服務(wù)器連接異常的原因通常是網(wǎng)站服務(wù)器過(guò)大，超負(fù)荷運(yùn)轉(zhuǎn)。也有可能是網(wǎng)站運(yùn)行不正常，請(qǐng)檢查網(wǎng)站的Web服務(wù)器(如apache、is)是否安裝且正常運(yùn)行，并使用瀏覽器檢查主要頁(yè)面能否正常訪問(wèn)。網(wǎng)站和主機(jī)還可能阻止了Baidu spider的訪問(wèn)，需要檢查網(wǎng)站和主機(jī)的防火墻。
(2)網(wǎng)絡(luò)運(yùn)營(yíng)商異常。網(wǎng)絡(luò)運(yùn)營(yíng)商分電信和聯(lián)通兩種，Baidu spider通過(guò)電信或網(wǎng)通無(wú)法訪問(wèn)網(wǎng)站。如果出現(xiàn)這種情況，需要與網(wǎng)絡(luò)服務(wù)運(yùn)營(yíng)商進(jìn)行聯(lián)系，或者購(gòu)買擁有雙線服務(wù)的空間或者購(gòu)買cdn服務(wù)。
(3)DNS異常。當(dāng)Baidu spider無(wú)法解析網(wǎng)站的P時(shí)，會(huì)出現(xiàn)DNS異常。可能是網(wǎng)站IP地址錯(cuò)誤，或者域名服務(wù)商把Baidu spider封禁。請(qǐng)使用 WHOIS或者h(yuǎn)ost查詢自己網(wǎng)站的IP地址是否正確且可解析，如果不正確或無(wú)法解析，請(qǐng)與域名注冊(cè)商聯(lián)系，更新IP地址。
(4)IP封禁。限制網(wǎng)絡(luò)的出口IP地址，禁止該P(yáng)段的使用者進(jìn)行內(nèi)容訪問(wèn)、，這里特指封禁了Baidu spider ip。當(dāng)網(wǎng)站不希望Baidu spider訪問(wèn)時(shí)，才需要該設(shè)置，如果希望Baidu spider訪問(wèn)網(wǎng)站，請(qǐng)檢查相關(guān)設(shè)置中是否誤添了Baidu spider ip.。也有可能是網(wǎng)站所在的空間服務(wù)商把百度P進(jìn)行i了封禁，這日時(shí)需要聯(lián)系服務(wù)商更改設(shè)置。
(5)UA封禁。服務(wù)器通過(guò)UA識(shí)別訪問(wèn)者的身份。當(dāng)網(wǎng)站針對(duì)指定UA的訪不希望Baidu spider訪間時(shí)，才需要該設(shè)置，如果您希望 Baidu spider訪問(wèn)您的網(wǎng)站 問(wèn)，返回異常頁(yè)面(如403，500)或跳轉(zhuǎn)到其他頁(yè)面的情況，即為UA封禁。當(dāng)網(wǎng)站useragent相關(guān)的設(shè)置中是否有Baidu spider ua，并及時(shí)修改。
(6)死鏈。頁(yè)面已經(jīng)無(wú)效，無(wú)法對(duì)用戶提供任何有價(jià)值信息的頁(yè)面就是死鏈接， 包括協(xié)議死鏈和內(nèi)容死鏈兩種形式協(xié)議死鏈。頁(yè)面的tcp狀態(tài)，http狀態(tài)明確表示的死鏈，常見(jiàn)的如404、403、503狀態(tài)等。內(nèi)容死鏈。服務(wù)器返回狀態(tài)是正常的，但內(nèi)容已經(jīng)變更為不存在，已刪或需要權(quán)限等與原內(nèi)容無(wú)關(guān)的信息頁(yè)面。對(duì)于死鏈，建議站點(diǎn)使用協(xié)議死鏈，并通過(guò)百度站長(zhǎng)平臺(tái)—死結(jié)工具向百度提交，以便百度更快地發(fā)現(xiàn)死鏈，減少死鏈對(duì)用戶以及搜索引擎造成的負(fù)面影響。
(7)異常跳轉(zhuǎn)。將網(wǎng)絡(luò)請(qǐng)求重新指向其他位置即為跳轉(zhuǎn)。異常跳轉(zhuǎn)指的是以下幾種情況:
①當(dāng)前該頁(yè)面為無(wú)效頁(yè)面(如內(nèi)容已刪除。死鏈等)，直接跳轉(zhuǎn)到前一目錄或者首頁(yè)，百度建議站長(zhǎng)將該無(wú)效頁(yè)面的人口超鏈接刪除。
②跳轉(zhuǎn)到出錯(cuò)或者無(wú)效頁(yè)面注意:對(duì)于長(zhǎng)時(shí)間跳轉(zhuǎn)到其他城名的情況，如網(wǎng)站更繞域名，百度建議使用301跳轉(zhuǎn)協(xié)議進(jìn)行設(shè)置。
(8)其他異常。
①針對(duì)百度reer的異常:網(wǎng)頁(yè)針對(duì)來(lái)自百度的mfe返回不同于正常內(nèi)容的行為。
②針對(duì)百度ua的異常:網(wǎng)頁(yè)對(duì)百度UA返回不同于頁(yè)面原內(nèi)容的行為。
③Js跳轉(zhuǎn)異常:網(wǎng)站設(shè)計(jì)加載了百度無(wú)法識(shí)別的N跳轉(zhuǎn)代碼，使得用戶通過(guò)搜索結(jié)果進(jìn)入頁(yè)面后發(fā)生了跳轉(zhuǎn)的情況。
④壓力過(guò)大引起的偶然封禁:百度會(huì)根據(jù)站點(diǎn)的規(guī)模、訪問(wèn)量等信息，自動(dòng)設(shè)定一個(gè)合理的抓取壓力。但是在異常情況下，如壓力控制失常時(shí)，服務(wù)器會(huì)根據(jù)自身負(fù)荷進(jìn)行保護(hù)性的偶然封禁。這種情況下，請(qǐng)?jiān)诜祷卮a中返回503(其含義是Service Unavailable)，這樣Baidu spider會(huì)過(guò)段時(shí)間再來(lái)嘗試抓取這個(gè)鏈接，如果網(wǎng)站已空閑，則會(huì)被成功抓取。
本文地址：http://knowyourextract.com//article/2516.html
