百度站長中的抓取診斷工具在很多程度上幫助站長實現(xiàn)了快速收錄的目的?，F(xiàn)在百度再次發(fā)布公告在該工具組中增加了詳細錯誤說明功能，這將更加便捷站長們快速了解網(wǎng)站情況。那今天筆者小丹就將相關(guān)信息分享與大家。

    百度站長平臺抓取診斷工具全新升級，增加抓取錯誤詳細說明，同時優(yōu)化了工具界面，幫助站長更快捷的了解網(wǎng)站頁面在百度spider中的抓取狀態(tài)和抓取內(nèi)容，以來確定網(wǎng)頁在百度中的抓取是否符合預(yù)期。

    升級版抓取診斷工具地址：http://zhanzhang.baidu.com/crawltools/index

    抓取診斷工具，可以讓站長從百度蜘蛛的視角查看抓取內(nèi)容，自助診斷百度蜘蛛看到的內(nèi)容，和預(yù)期是否一致。每個站點每周可使用70次，抓取結(jié)果只展現(xiàn)百度蜘蛛可見的前200KB內(nèi)容。

    一、抓取診斷工具功能亮點：

    1、模擬百度spider抓取，診斷抓取內(nèi)容是否符合預(yù)期：能夠模擬PCUA和移動UA對網(wǎng)頁進行抓取，抓取結(jié)果能夠展現(xiàn)spider可見的前200KB內(nèi)容，幫助站長診斷網(wǎng)站在百度中的抓取是否存在問題。該工具每個站點每周可使用70次。

    2、能夠檢查網(wǎng)頁是否被加了黑鏈或隱藏文本。

    3、通知百度更新網(wǎng)站IP：檢查百度訪問的網(wǎng)站IP是否正確，若抓取IP錯誤，可通過報錯通知百度更新IP。

    4、增加詳細的抓取失敗說明：對抓取失敗的頁面，增加了詳細的說明，輔助站長快速解決網(wǎng)站問題。

    二、抓取診斷工具的作用：

    1、診斷抓取內(nèi)容是否符合預(yù)期，譬如很多商品詳情頁面，價格信息是通過JavaScript輸出的，對百度蜘蛛不友好，價格信息較難在搜索中應(yīng)用。問題修正后，可用診斷工具再次抓取檢驗。

    2、診斷網(wǎng)頁是否被加了黒鏈、隱藏文本。網(wǎng)站如果被黑，可能被加上隱藏的鏈接，這些鏈可能只在百度抓取時才出現(xiàn)，需要用此抓取工具診斷。

    3、檢查網(wǎng)站與百度的連接是否暢通，若是IP信息不一致，可以報錯通知百度更新IP。

    三、抓取診斷工具常見錯誤類型解析

    1、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，請在保證正常訪問的情況下，適當精簡，保證鏈接能被百度正常抓取和收錄。

    2、重定向錯誤

    重定向是指百度spider訪問鏈接時發(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，就會發(fā)生重定向錯誤而導(dǎo)致抓取失敗。

    3、服務(wù)器連接錯誤

    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誤：連接超時、連接失敗、連接被拒、無響應(yīng)、響應(yīng)遭到截斷、連接重置、標頭遭到截斷、超時。

    4、如何處理服務(wù)器連接錯誤？

    減少動態(tài)網(wǎng)頁請求的過多網(wǎng)頁加載。如果網(wǎng)站為多個網(wǎng)址提供相同內(nèi)容，則會被視為動態(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）。動態(tài)網(wǎng)頁的響應(yīng)時間可能會很長，并會因此導(dǎo)致超時問題。或者，服務(wù)器可能會返回超載狀態(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)并謹慎使用。

    確保您網(wǎng)站的托管服務(wù)器沒有停止運行、超載或配置不當。如果連接問題、超時問題或響應(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?shù)姆阑饓駾oS防護系統(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)正常運行的關(guān)鍵因素之一，并且這些系統(tǒng)通常會配置為自動阻止超量的服務(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。

    5、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，請點擊旁邊的報錯鏈接，百度會立即更新您站點的robots信息；如果是您的誤操作導(dǎo)致了封禁，請及時修改robots文件，避免造成您的網(wǎng)站在百度收錄量和流量的下降。

    6、DNS問題

    DNS錯誤是指由于服務(wù)器停止運行或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。

    7、如何處理DNS錯誤？

    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錯誤代碼對不存在的主機名作出響應(yīng)。

    8、404錯誤

    一般情況下，當百度spider訪問到不存在的網(wǎng)頁（因為您刪除或重命名了網(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誤）時，就會出現(xiàn)“未找到”狀態(tài)錯誤（通常是404 HTTP狀態(tài)代碼）。

    9、訪問遭拒絕

    一般情況下，百度會通過跟蹤網(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”錯誤，可能是由于以下幾種原因?qū)е碌模?/P>

    （1）百度spider無法訪問您網(wǎng)站上的網(wǎng)址，因為您網(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行身份驗證，或者您的托管服務(wù)提供商阻止百度spider訪問您的網(wǎng)站。

    10、參數(shù)錯誤

    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誤，服務(wù)器無法理解此請求，導(dǎo)致抓取失敗。

    11、socket讀寫錯誤

    當百度spider訪問服務(wù)器，進行tcp通信的時候，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。

    12、讀取http頭或者頁面內(nèi)容時失敗

    您的服務(wù)器收到了我們的完整請求，但是返回信息時不完整，http頭或者響應(yīng)正文發(fā)生了截斷，導(dǎo)致網(wǎng)頁內(nèi)容不能正常讀取。

    四、怎樣使用抓取診斷工具：

    第一步：注冊并登錄百度站長平臺

    第二步：添加網(wǎng)站并驗證歸屬，具體驗證網(wǎng)站歸屬方法可見幫助文檔

    http://www.baidu.com/search/sitemap_help.html 。

    第三步：進入站長工具頁面，選擇“抓取診斷工具”進入使用。

     (轉(zhuǎn)載請注明轉(zhuǎn)自：www.theclubhubb.com/news/n1637.htm，謝謝!珍惜別人的勞動成果，就是在尊重自己!）