前面我們的網(wǎng)站建設知識庫中講到了spider的用途，介紹了常用spider的名稱和spider在搜索引擎中的工作方式。具體請閱讀《spider知多少》一文。今天我們來講講如何利用spider的爬行情況分析網(wǎng)站的優(yōu)化狀態(tài)。這個能記錄spider爬行情況的文件就是網(wǎng)站日志文件。

　　網(wǎng)站日志包含著對網(wǎng)站所有訪問記錄，包括人工瀏覽和蜘蛛抓取。這個網(wǎng)站日志可以自定義生成的項目：比如網(wǎng)頁訪問來源、訪問IP、訪問時間、訪問代理、訪問者瀏覽器版本、訪問者所用電腦系統(tǒng)、訪問狀態(tài)等等。瀏覽量越大的網(wǎng)站，這個日志文件就越大。當然可以自定義網(wǎng)站日志的生成間隔，具體方法可以參照IIS日志設置方法。對于真實訪客的瀏覽，我們沒必要通過網(wǎng)站日志分析，直接在網(wǎng)頁上添加一個多功能的數(shù)據(jù)統(tǒng)計代碼，我們就能很方便地了解用戶訪問網(wǎng)站的時間、地點、入口頁、來源鏈接、停留時間、訪問深度等。現(xiàn)在主要說利用網(wǎng)站日志分析搜索引擎蜘蛛spider的行為。

　　要分析spider，網(wǎng)站日志需要有以下幾項：訪問時間、來訪IP、訪問代理標識、訪問狀態(tài)。其他的就不是必須的了。由于大多數(shù)站長都專注于百度搜索引擎里的排名，我們就拿百度spider為例說說不同的spider對網(wǎng)站情況的不同反映。

　　百度spider名叫baiduspider或baiduspider2.0，以及百度圖片蜘蛛Baiduspider-image，從網(wǎng)站日志里可以通過這兩個名字來找到百度蜘蛛。接下來就是讀取百度蜘蛛的IP和訪問狀態(tài)碼。

　　123.125.68.*這個蜘蛛經(jīng)常來,別的來的少,表示網(wǎng)站可能要進入沙盒了，或被者降權。

　　220.181.68.*每天這個IP 段只增不減很有可能進沙盒或K站。

　　220.181.7.*、123.125.66.* 代表百度蜘蛛IP造訪，準備抓取你東西。

　　121.14.89.*這個ip段作為度過新站考察期。

　　203.208.60.*這個ip段出現(xiàn)在新站及站點有不正?，F(xiàn)象后。

　　210.72.225.*這個ip段不間斷巡邏各站。

　　125.90.88.* 廣東茂名市電信也屬于百度蜘蛛IP 主要造成成分，是新上線站較多，還有使用過站長工具，或SEO綜合檢測造成的。

　　220.181.108.95這個是百度抓取首頁的專用IP，如是220.181.108段的話，基本來說你的網(wǎng)站會天天隔夜快照，絕對錯不了的，我保證。

　　220.181.108.92 同上98%抓取首頁，可能還會抓取其他 (不是指內頁)220.181段屬于權重IP段此段爬過的文章或首頁基本24小時放出來。

　　123.125.71.106 抓取內頁收錄的，權重較低，爬過此段的內頁文章不會很快放出來，因不是原創(chuàng)或采集文章。

　　220.181.108.91屬于綜合的，主要抓取首頁和內頁或其他，屬于權重IP 段，爬過的文章或首頁基本24小時放出來。

　　220.181.108.75重點抓取更新文章的內頁達到90%，8%抓取首頁，2%其他。權重IP 段，爬過的文章或首頁基本24小時放出來。

　　220.181.108.86專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　123.125.71.95 抓取內頁收錄的，權重較低，爬過此段的內頁文章不會很快放出來，因不是原創(chuàng)或采集文章。

　　123.125.71.97 抓取內頁收錄的，權重較低，爬過此段的內頁文章不會很快放出來，因不是原創(chuàng)或采集文章。

　　220.181.108.89專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　220.181.108.94專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　220.181.108.97專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　220.181.108.80專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　220.181.108.77 專用抓首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　123.125.71.117 抓取內頁收錄的，權重較低，爬過此段的內頁文章不會很快放出來，因不是原創(chuàng)或采集文章。

　　220.181.108.83專用抓取首頁IP 權重段，一般返回代碼是304 0 0 代表未更新。

　　注：以上IP尾數(shù)還有很多，但段位一樣的123.125.71.*段IP 代表抓取內頁收錄的權重比較低.可能由于你采集文章或拼文章暫時被收錄但不放出來.(意思也就是說待定)。

　　220.181.108.*段IP主要是抓取首頁占80%，內頁占30%，這此爬過的文章或首頁，絕對24小時內放出來和隔夜快照的，這點我可以保證!

　　一般成功抓取返回代碼都是 200 0 0返回304 0 0代表網(wǎng)站沒更新，蜘蛛來過，如果是 200 0 64別擔心這不是K站，可能是網(wǎng)站是動態(tài)的，所以返回就是這個代碼。

　　125.90.88.96,117.28.255.42可能是使用站長工具進行SEO綜合檢測造成，注意在分析蜘蛛的時候把此IP剔除。

　　有了這些IP和狀態(tài)碼，我們可以簡單判斷一下網(wǎng)站的情況，哪些頁面該按時更新，哪里頁面可能已經(jīng)被降權，哪些頁面被蜘蛛頻繁抓取，以及哪些時段百度蜘蛛活動頻繁。頻繁的時候盡量呈現(xiàn)給蜘蛛多一些原創(chuàng)內容，相信蜘蛛不會虧待你的。