
如何做搜索引擎蜘蛛日志分析
搜索引擎蜘蛛日志文件是一种非常强大但未被站长充分利用的文件,分析它可以获取有关每个搜索引擎如何爬取网站内容的相关信息点,及查看搜索引擎蜘蛛在一段时间内的行为。
IP地址(48) | 服务器名称 | 所属国家 |
---|---|---|
216.129.119.42 | crawl-12c.cuil.com | US |
216.129.119.12 | 216.129.119.12 | US |
216.129.119.13 | crawl-3c.cuil.com | US |
67.218.116.134 | crawl-9c.cuil.com | US |
67.218.116.162 | crawl-15c.cuil.com | US |
38.99.44.105 | crawl-14.cuill.com | US |
38.99.13.116 | crawl-15c.cuil.com | US |
208.36.144.7 | ? | US |
38.99.13.120 | 38.99.13.120 | US |
67.218.116.163 | crawl-16c.cuil.com | US |
对于未知蜘蛛或者爬虫。它的用途对网站来说可能是好的,也可能是坏的,这取决于它是什么。所以说,这需要站长进一步分析判断这些尚不明确的爬虫行为,再作最终决定。 但,根据以往的经验,未声明行为目的及未命名的蜘蛛爬虫,通常都有不可告人的秘密,我们理应对其行为进行控制,比如拦截。
您可以通过在网站的 robots.txt 中设置用户代理访问规则来屏蔽 Twiceler 或限制其访问权限。我们建议安装 Spider Analyser 插件,以检查它是否真正遵循这些规则。
# robots.txt # 下列代码一般情况可以拦截该代理 User-agent: Twiceler Disallow: /
您无需手动执行此操作,可通过我们的 Wordpress 插件 Spider Analyser 来拦截不必要的蜘蛛或者爬虫。