通过 IIS 日志 详细分析搜索引擎蜘蛛抓取

时间:2015/10/30 14:16:00来源:互联网 作者:flyso 点击: 964 次

最近试水做了一个企业站方面排名优化,在查看IIS日志时看到如下代码:

Baiduspider+(+http://www.baidu.com/search/spider.htm) 304 0 0

前面的不用解释了,但是后面的304是什么意思呢?

304和404,301同属于HTTP状态代码,以下是Google、百度、搜狗、雅虎等搜索引擎蜘蛛HTTP返回代码及其含义。

下面是常见的状态代码及含义。

(红色标注为常见)

2xx  成功
200  正常;请求已完成。
201  正常;紧接 POST 命令。
202  正常;已接受用于处理,但处理尚未完成。
203  正常;部分信息 — 返回的信息只是一部分。
204  正常;无响应 — 已接收请求,但不存在要回送的信息。
3xx  重定向
301  已移动 — 请求的数据具有新的位置且更改是永久的。
302  已找到 — 请求的数据临时具有不同 URI。
303  请参阅其它 — 可在另一 URI 下找到对请求的响应,且应使用 GET 方法检索此响应。
304  未修改 — 未按预期修改文档。
305  使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。
306  未使用 — 不再使用;保留此代码以便将来使用。
4xx  客户机中出现的错误
400  错误请求 — 请求中有语法问题,或不能满足请求。
401  未授权 — 未授权客户机访问数据。
402  需要付款 — 表示计费系统已有效。
403  禁止 — 即使有授权也不需要访问。
404  找不到 — 服务器找不到给定的资源;文档不存在。
407  代理认证请求 — 客户机首先必须使用代理认证自身。
415  介质类型不受支持 — 服务器拒绝服务请求,因为不支持请求实体的格式。
5xx  服务器中出现的错误
500  内部错误 — 因为意外情况,服务器不能完成请求。
501  未执行 — 服务器不支持请求的工具。
502  错误网关 — 服务器接收到来自上游服务器的无效响应。
503  无法获得服务 — 由于临时过载或维护,服务器无法处理请求。

比如在我新做的站点分析昨天百度搜索蜘蛛爬过的代码:

2008-04-13 02:07:13 W3SVC314147887 125.32.112.38 GET /index.html - 80 - 220.181.38.174 Baiduspider+(+http://www.baidu.com/search/spider.htm) 304 0 0

这句话的含义是:2008年4月13日,百度蜘蛛来访,页面未更改。

疑问:百度蜘蛛根据什么来判定页面是否更改,文件大小?抓取内容?服务器上文件修改时间?   

Copyright © 2005 - 2016 flyso.cn. 飞搜 版权所有 鄂ICP备11002783号-3