Baidu spider抓取异常的原因

发布：2017-12-21 18:15:50 浏览：2375

有一些网页，内容优质，用户也可以正常访问，但是Baiduspider却无法正常访问并抓取，造成搜索结果覆盖率缺失，对百度搜索引擎、对站点都是一种损失，百度把这种情况叫“抓取异常”。对于大量内容无法正常抓取的网站，百度搜索引擎会认为网站存在用户体验上的缺陷，并降低对网站的评价，在抓取、索引，排序上都会受到一定程度的负面影响，最终影响到网站从百度获取的流量。

下面介绍一些常见的抓取异常的原因。

(1)服务器连接异常。服务器连接异常会有两种情况。一种是站点不稳定，Baiduspider尝试连接网站的服务器时出现暂时无法连接的情况；另一种是Baiduspider一直无法连接上网站的服务器。造成服务器连接异常的原因通常是网站服务器过大，超负荷运转。也有可能是网站运行不正常，请检查网站的Web服务器(如apache、is)是否安装且正常运行，并使用浏览器检查主要页面能否正常访问。网站和主机还可能阻止了Baiduspider的访问，需要检查网站和主机的防火墙。

(2)网络运营商异常。网络运营商分电信和联通两种，Baiduspider通过电信或网通无法访问网站。如果出现这种情况，需要与网络服务运营商进行联系，或者购买拥有双线服务的空间或者购买cdn服务。

(3)DNS异常。当Baiduspider无法解析网站的P时，会出现DNS异常。可能是网站IP地址错误，或者域名服务商把Baiduspider封禁。请使用WHOIS或者host查询自己网站的IP地址是否正确且可解析，如果不正确或无法解析，请与域名注册商联系，更新IP地址。

(4)IP封禁。限制网络的出口IP地址，禁止该P段的使用者进行内容访问、，这里特指封禁了Baiduspiderip。当网站不希望Baiduspider访问时，才需要该设置，如果希望Baiduspider访问网站，请检查相关设置中是否误添了Baiduspiderip.。也有可能是网站所在的空间服务商把百度P进行i了封禁，这日时需要联系服务商更改设置。

(5)UA封禁。服务器通过UA识别访问者的身份。当网站针对指定UA的访不希望Baiduspider访间时，才需要该设置，如果您希望Baiduspider访问您的网站问，返回异常页面(如403，500)或跳转到其他页面的情况，即为UA封禁。当网站useragent相关的设置中是否有Baiduspiderua，并及时修改。

(6)死链。页面已经无效，无法对用户提供任何有价值信息的页面就是死链接，包括协议死链和内容死链两种形式协议死链。页面的tcp状态，http状态明确表示的死链，常见的如404、403、503状态等。内容死链。服务器返回状态是正常的，但内容已经变更为不存在，已删或需要权限等与原内容无关的信息页面。对于死链，建议站点使用协议死链，并通过百度站长平台—死结工具向百度提交，以便百度更快地发现死链，减少死链对用户以及搜索引擎造成的负面影响。

(7)异常跳转。将网络请求重新指向其他位置即为跳转。异常跳转指的是以下几种情况:

①当前该页面为无效页面(如内容已删除。死链等)，直接跳转到前一目录或者首页，百度建议站长将该无效页面的人口超链接删除。

②跳转到出错或者无效页面注意:对于长时间跳转到其他城名的情况，如网站更绕域名，百度建议使用301跳转协议进行设置。

(8)其他异常。

①针对百度reer的异常:网页针对来自百度的mfe返回不同于正常内容的行为。

②针对百度ua的异常:网页对百度UA返回不同于页面原内容的行为。

③Js跳转异常:网站设计加载了百度无法识别的N跳转代码，使得用户通过搜索结果进入页面后发生了跳转的情况。

④压力过大引起的偶然封禁:百度会根据站点的规模、访问量等信息，自动设定一个合理的抓取压力。但是在异常情况下，如压力控制失常时，服务器会根据自身负荷进行保护性的偶然封禁。这种情况下，请在返回码中返回503(其含义是ServiceUnavailable)，这样Baiduspider会过段时间再来尝试抓取这个链接，如果网站已空闲，则会被成功抓取。