网站的站长或者管理员一般都非常喜欢搜索引擎的“蜘蛛”来访问自己的网站。只有搜索引擎的“蜘蛛”来访文章,抓取网站页面,网站才有在其搜索引擎提升排名的机会。也因此,网站站长和管理员对于搜索引擎的来访是默认或者欢迎的。 但是现在也有一些非法“蜘蛛”,冒充搜索引擎“蜘蛛”在网站里留下垃圾甚至造成“破坏”。 今天介绍下怎么 识别以及阻止这些非法“蜘蛛”。
一、识别“蜘蛛”
在网站的服务器日志文件中,可见每次访问的路径和相应的IP地址。如果是“蜘蛛”来访,则user-agent会显示Googlebot或MSNBot等搜索引擎漫游器名称,每个搜索引擎都有自己的user-agent,但仅有这个还不足以证明这个“蜘蛛”的合法性,因为很多垃圾制造者可能将他们的“蜘蛛”也命名为Googlebot,以伪装蒙混进入网站,大肆采掘内容。
二、识别阻止非法“蜘蛛 ”
目前,主流搜索引擎都建议网站管理员通过这种方式来辨别真实的“蜘蛛”身份:通过DNS反向查询找出搜索引擎机器人IP地址对应的主机名称;用主机名查找IP地址以确认该主机名与IP地址匹配。
1.使用DNS反向查询(Reverse DNS Lookup) ,找出“蜘蛛”IP地址对应的主机名称。
主流搜索引擎的主机名称通常情况下应是这样的:
Google : 主机名称应包含于 googlebot.com 域名中;
百度的“蜘蛛”通常是baidu.com或者baidu.jp的子域名;
MSN :主机名称应包含于 search.live.com 域名中;
微软bing搜索引擎爬虫是search.msn.com的子域名;
搜狗蜘蛛是crawl.sogou.com的子域名;
Yahoo:主机名称应包含于inktomisearch.com域名中;
2.做一次DNS查询 ,用主机名查找IP地址(Forward DNS Lookup),以确认该主机名与IP地址匹配。由此证明该“蜘蛛”是合法的。
3.如果发现一个“蜘蛛”将自己伪装成合法搜索引擎漫游器,你就可以通过服务器上的设置来阻止这个非法“蜘蛛”。
郑州SEO: http://www.91wangzhan.cc/