apache设置txt文件直接下载而不是网页在线打开
2017-10-31 04:48:27
百度蜘蛛(Baiduspider)爬取是搜索引擎获得页面内容的一个重要的途径,通过蜘蛛的抓取可以得到一个页面的最主要的内容从而收录百度数据库系统,每次抓取之后都会再与数据库原有的信息进行比对,来确定页面的总体质量。
(博主注:最近明月的小博客竟然“攻击”不断,大部分是扫描和SQL注入类的,甚至造成前两天“主机资源耗尽”又被关停了,于是狠下心好好的分析了一下服务器日志,找出了不少可以IP,直接给屏蔽掉了,没有想到的是这些IP里竟然有6-7个是百度蜘蛛的IP,无语了都,还好及时通过百度站长平台里的“抓取诊断”发现了,要不后果真是不敢设想呀!因为需要知道百度蜘蛛常见IP,所以就搜索了一下相关的资料,获得了下文的IP整理,就当是一次记录吧,指不定啥时候就要用上了。)
那么,每当蜘蛛来抓取的时候都会被网站日志文件记录下来,具体包括抓取时间,抓取的页面以及蜘蛛来路IP地址,上次说到百度蜘蛛(Baiduspider)ip来路基本能够反映出不同蜘蛛对站点不同页面的喜好程度,从侧面也反映出整个网站不同页面的权重值,通过自己一系列的分析,可以较为准确的评估整站的权重分布,对于SEO、文章内容价值、用户体验都起到很好的参考价值。
注:以上IP尾数还有很多,但段位一样的123.125.71.*段IP代表抓取内页收录的权重比较低,可能由于你采集文章或拼文章暂时被收录但不放出来.。
一般成功抓取返回代码都200,返回304代表网站没更新。
216.239.33.*
216.239.35.*
216.239.37.*
216.239.39.*
216.239.51.*
216.239.53.*
216.239.55.*
216.239.57.*
216.239.59.*
64.233.161.*
64.233.189.*
66.102.11.*
66.102.7.*
66.102.9.*
66.249.64.*
66.249.65.*
66.249.66.*
66.249.71.*
66.249.72.*
72.14.207.*
202.101.43.*、222.73.247.*、66.249.65.*这三个ip段是最为常规出现的
66.249.16.*出现的站点均为新站或站点出现无法访问情况后再次出现的ip段
210.72.225.*这个ip段不间断巡逻各站
203.208.60.*这个ip段出现在新站及站点有不正常现象后
101.226.166.*(101.226.166.195~101.226.166.254,共60个)
101.226.167.*(101.226.167.195~101.226.167.254,共60个)
101.226.168.*(101.226.168.195~101.226.168.254,共60个)
101.226.169.*(101.226.169.195~101.226.169.230,共36个)
180.153.236.*(180.153.236.11~26;180.153.236.35~180.153.236.74;180.153.236.101~180.153.236.196,共152个)
182.118.20.*(182.118.20.201~182.118.20.254,共39个)
182.118.21.*(182.118.21.201~182.118.21.*254,共54个)
182.118.22.*(182.118.22.141~182.118.22.149;182.118.22.211~182.118.22.250,共64个)
182.118.25.*(182.118.25.131~182.118.25.245;)
182.118.28.*
61.55.185.*
101.199.*.*
220.181.126.*
182.118.26.110~182.118.26.239(时效性UAIP段,主要针对网站内容更新的爬取)
220.181.126.*、101.199.*.*据说为360举报IP。也就是说,假如你的网站日志出现这个IP段,你的网站被举报了。如果是违法站,那就自求多福吧。
123.126.113.79-123.126.113.191
220.181.89.190
220.181.89.189
218.30.103.155
61.135.189.75
220.181.94.228
61.135.189.74
220.181.89.157
220.181.89.165
220.181.89.183
220.181.89.194
218.30.103.80
42.156.136.*-42.156.139.*
42.120.160.*42.120.161.*
202.106.186.*
202.108.36.*
202.108.44.*
202.108.45.*
202.108.5.*
202.108.9.*
220.181.12.*
220.181.13.*
220.181.14.*
220.181.15.*
220.181.28.*
220.181.31.*
222.185.245.*
61.135.152.*
65.54.188.*
65.54.225.*
65.54.226.*
65.54.228.*
65.54.229.*
207.46.98.*
207.68.157.*
219.133.40.*
202.96.170.*
202.104.129.*
61.135.157.*
219.142.118.*
219.142.78.*
61.135.132.*
220.181.26.*
220.181.19.*
66.196.90.*
66.196.91.*
68.142.249.*
68.142.250.*
68.142.251.*
72.30.101.*
72.30.102.*
72.30.103.*
72.30.104.*
72.30.107.*
72.30.110.*
72.30.111.*
72.30.128.*
72.30.129.*
72.30.131.*
72.30.133.*
72.30.134.*
72.30.135.*
72.30.216.*
72.30.226.*
72.30.252.*
72.30.97.*
72.30.98.*
72.30.99.*
74.6.74.*
202.165.102.*
202.160.178.*
202.160.179.*
202.160.180.*
202.160.181.*
202.160.183.*
202.108.4.*
202.108.4.*
202.108.33.*
202.96.51.*
219.142.53.*
好了,终于通过此文提供的IP,在屏蔽里排除了百度蜘蛛的IP了,总结下来就是“对自己真的是太狠了”,看来一些基本的数据必须要保留呀!就像此文一样,保存好,随时都可以用来参考的!屏蔽IP一定要慎重了,很容易误伤的,这两天QQ浏览器总是出现“403”错误估计跟IP屏蔽也有关系吧!我得好好排查一下了!