如何在IIS里设置并查询搜索引擎蜘蛛

zhujp

服务器安装使用了二个月了，竟然没发现蜘蛛记录，一看，原来IIS该站点日志属性中没设置记录爬虫这些!这对于一个站长而言，是无法接受的，特别是做了几个新网站，特别关注百度的搜索蜘蛛动向。现在把设置方法介绍如下：

　　一、IIS中网站的日志的设置。

　　打开IIS。选择所要设置的网站属性。弹出如下窗口：


“启用日志记录”，勾选，选择“W3C扩展日志文件格式”。

　　再次点击这里的“属性”按钮，常规选项里面，选择新日志计划为“每天”，当然也可以选择其他，选择好保存日志文件的目录。


　按照一般情况，设置到这里就可以记录日志了，但是有些主机无论如何都找不到搜索引擎爬虫的痕迹，类似于Baiduspider+怎么都看不到。这个时候我们就需要启用剩下的三个选项了!

　　选择高级选项。勾选底下的用户代理(cs(User-Agent))等下面三个选项，这样我们就可以看到百度蜘蛛了!



二、如何分析网站IIS日志中的蜘蛛

　　首先来认识下国内主流搜索引擎的蜘蛛的名称：

　　1. Google爬虫名称

　　1) Googlebot：从Google的网站索引和新闻索引中抓取网页

　　2) Googlebot-Mobile针对Google的移动索引抓取网页

　　3) Googlebot-Image：针对Google的图片索引抓取网页

　　4) Mediapartners-Google：抓取网页确定 AdSense 的内容。只有在你的网站上展示 AdSense 广告的情况下，Google才会使用此漫游器来抓取您的网站。

　　5) Adsbot-Google：抓取网页来衡量 AdWords 目标网页的质量。只有在你使用 Google AdWords 为你的网站做广告的情况下，Google才会使用此漫游器。

　　2. 百度(Baidu)爬虫名称：Baiduspider

　　3. 雅虎(Yahoo)爬虫名称：Yahoo Slurp

　　4. 有道(Yodao)蜘蛛名称：YodaoBot

　　5. 搜狗(sogou)蜘蛛名称：sogou spider

　　因为咱们国内比较关注百度所以我们来分下百度的蜘蛛，从刚刚记录的日志搜索“Baiduspider+“选取一段

　　00:00:06 GET /Class/Class.asp ID=38 61.135.168.142 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 214

　　上面这个日志说明是在0点的时候 访问了 Class/Class.asp ID=38页面。蜘蛛IP地址为61.135.168.142。其中的200 表示搜索引擎蜘蛛爬行后返回HTTP的状态代码，代表成功爬行并抓取。

　　下面列出常见数字代码：

　　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。

　　410 请求的网页不存在(永久);

　　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。

　　了解蜘蛛的爬行痕迹，有助于我们分析自己的网站。本人才疏学浅，就简单的总结下!