百度抓取診斷工具常見錯(cuò)誤類型解析
2024-04-26 13:29:10
供稿：網(wǎng)友
url規(guī)范： 百度支持抓取的url長度不超過1024，如果您的鏈接長度過長，請?jiān)诒ＷC正常訪問的情況下，適當(dāng)精簡，保證鏈接能被百度正常抓取和收錄。 重定向錯(cuò)誤： 重定向是指百度spider訪問鏈接時(shí)發(fā)生了跳轉(zhuǎn)，如果跳轉(zhuǎn)后的鏈接超長或者連續(xù)跳轉(zhuǎn)的次數(shù)超過5次，就會(huì)發(fā)生重定向錯(cuò)誤而導(dǎo)致抓取失敗。 服務(wù)器連接錯(cuò)誤： 這種情況是指，由于服務(wù)器響應(yīng)過慢或您的網(wǎng)站屏蔽了百度spider，而導(dǎo)致百度無法訪問您的網(wǎng)站。從而會(huì)導(dǎo)致百度無法正常收錄或者更新您網(wǎng)站的內(nèi)容。您可能看到以下具體錯(cuò)誤：連接超時(shí)、連接失敗、連接被拒、無響應(yīng)、響應(yīng)遭到截?cái)唷⑦B接重置、標(biāo)頭遭到截?cái)唷⒊瑫r(shí)。 *如何處理服務(wù)器連接錯(cuò)誤： 減少動(dòng)態(tài)網(wǎng)頁請求的過多網(wǎng)頁加載。如果網(wǎng)站為多個(gè)網(wǎng)址提供相同內(nèi)容，則會(huì)被視為動(dòng)態(tài)提供內(nèi)容（例如，www.example.com/shoes.php?color=red&size=7與www.example.com/shoes.php?size=7&color=red提供的內(nèi)容相同）。動(dòng)態(tài)網(wǎng)頁的響應(yīng)時(shí)間可能會(huì)很長，并會(huì)因此導(dǎo)致超時(shí)問題。或者，服務(wù)器可能會(huì)返回超載狀態(tài)，要求百度spider放慢抓取該網(wǎng)站的速度。一般來說，建議您盡量使用簡短的參數(shù)并謹(jǐn)慎使用。 確保您網(wǎng)站的托管服務(wù)器沒有停止運(yùn)行、超載或配置不當(dāng)。如果連接問題、超時(shí)問題或響應(yīng)問題仍然存在，請與您的網(wǎng)站托管服務(wù)提供商聯(lián)系，并考慮增強(qiáng)您的網(wǎng)站處理流量的能力。 檢查網(wǎng)站是否不小心屏蔽了百度spider的IP。您可能會(huì)由于系統(tǒng)級問題而阻止了百度訪問，例如DNS配置問題、配置不當(dāng)?shù)姆阑饓駾oS防護(hù)系統(tǒng)、內(nèi)容管理系統(tǒng)配置問題。防御系統(tǒng)是保證托管服務(wù)正常運(yùn)行的關(guān)鍵因素之一，并且這些系統(tǒng)通常會(huì)配置為自動(dòng)阻止超量的服務(wù)器請求。由于百度spider發(fā)出的請求通常要比普通用戶多，因此可能會(huì)觸發(fā)這些防御系統(tǒng)，導(dǎo)致它們阻止百度spider訪問并抓取您的網(wǎng)站。要解決此類問題，您需要確定網(wǎng)站基礎(chǔ)架構(gòu)中的哪個(gè)部分在阻止百度spider，然后取消該阻止。如果您沒有控制防火墻的權(quán)限，就需要與您的托管服務(wù)提供商聯(lián)系解決此問題。 robots封禁問題： 在抓取診斷工具中如果返回的抓取失敗結(jié)論是robots封禁，請確認(rèn)您是否對該網(wǎng)址設(shè)置了robots，阻止百度spider抓取網(wǎng)站的某些內(nèi)容，如果您未使用robots文件屏蔽百度，請點(diǎn)擊旁邊的報(bào)錯(cuò)鏈接，百度會(huì)立即更新您站點(diǎn)的robots信息；如果是您的誤操作導(dǎo)致了封禁，請及時(shí)修改robots文件，避免造成您的網(wǎng)站在百度收錄量和流量的下降。 DNS問題： DNS錯(cuò)誤是指由于服務(wù)器停止運(yùn)行或DNS到您網(wǎng)域的路由存在問題，導(dǎo)致百度spider無法與DNS服務(wù)器通信。 *如何處理DNS錯(cuò)誤： 確保百度能夠抓取您的網(wǎng)站。對重要網(wǎng)頁（例如您的首頁）采用抓取診斷工具，如果它能順利返回您的首頁內(nèi)容，那么您就可以認(rèn)為百度能夠正常訪問您的網(wǎng)站。 對于持續(xù)的或反復(fù)出現(xiàn)的DNS錯(cuò)誤，請與您的DNS提供商聯(lián)系。通常情況下，您的DNS提供商即為網(wǎng)站托管服務(wù)提供商。 配置您的服務(wù)器，使其能夠以404或500等HTTP錯(cuò)誤代碼對不存在的主機(jī)名作出響應(yīng)。 404錯(cuò)誤： 一般情況下，當(dāng)百度spider訪問到不存在的網(wǎng)頁（因?yàn)槟鷦h除或重命名了網(wǎng)頁且沒有將舊網(wǎng)址重定向到新網(wǎng)頁，或者鏈接中存在拼寫錯(cuò)誤）時(shí)，就會(huì)出現(xiàn)“未找到”狀態(tài)錯(cuò)誤（通常是404 HTTP狀態(tài)代碼）。 訪問遭拒絕： 一般情況下，百度會(huì)通過跟蹤網(wǎng)頁間的鏈接來查找內(nèi)容。百度spider必須能夠訪問某個(gè)網(wǎng)頁才能抓取該網(wǎng)頁。如果您意外地看到了“訪問遭拒”錯(cuò)誤，可能是由于以下幾種原因?qū)е碌模?（1）百度spider無法訪問您網(wǎng)站上的網(wǎng)址，因?yàn)槟W(wǎng)站上的所有或部分內(nèi)容要求用戶登錄后才能查看。 （2）您的服務(wù)器要求用戶使用代理進(jìn)行身份驗(yàn)證，或者您的托管服務(wù)提供商阻止百度spider訪問您的網(wǎng)站。 參數(shù)錯(cuò)誤： 由于請求的語法格式有誤，不符合服務(wù)器對請求的某些限制，或者請求本身存在一定的錯(cuò)誤，服務(wù)器無法理解此請求，導(dǎo)致抓取失敗。 socket讀寫錯(cuò)誤： 當(dāng)百度spider訪問服務(wù)器，進(jìn)行tcp通信的時(shí)候，socket讀寫發(fā)生異常，導(dǎo)致數(shù)據(jù)不能正常返回。請檢查服務(wù)器連接狀況和防火墻設(shè)置是否符合預(yù)期。 讀取http頭或者頁面內(nèi)容時(shí)失敗： 您的服務(wù)器收到了我們的完整請求，但是返回信息時(shí)不完整，http頭或者響應(yīng)正文發(fā)生了截?cái)啵瑢?dǎo)致網(wǎng)頁內(nèi)容不能正常讀取。
