立即注册
站长学院 >  建站优化 >  Spider >  爬虫抓取

爬虫抓取

sogou spider User-Agent字段是什么？
  • PC端UA为
    Sogou web spider
请注意，根据标准，ua区分大小写。
搜狗spider的IP有哪些？
  • 搜狗暂不对外提供搜狗spider IP列表，但您可以通过DNS反查IP的方式判断某只spider是否来自搜狗搜索引擎。根据不同平台有不同的验证方法。
  • linux平台：
    命令为host ip,如下图。搜狗spider的hostname以 *.sogou.com格式命名，非 *.sogou.com均为冒充。
  • 在windows平台或者IBM OS/2平台：
    命令为nslookup ip，搜狗spider的hostname以 *.sogou.com格式命名，非 *.sogou.com均为冒充。
  • mac os平台：
    命令为dig ip，搜狗spider的hostname以 *.sogou.com格式命名，非 *.sogou.com均为冒充。
sogou spider 如何反应我网站上页面的更新？
sogou spider 会根据网页的重要性和历史变化情况来动态调整更新时间，更新已经抓取过的页面。
搜狗spider的抓取频次是怎样的？
  • sogou spider 对于同一个 IP 地址的服务器主机，只建立一个连接，抓取间隔速度控制在几秒一次。一个网页被收录后，最快也要过几天以后才会去更新。如果持续不断地抓取您的网站，请注意您的网站上的网页是否每次访问都产生新的链接。
  • 如果您认为 sogou spider 对于您的网站抓取过快，请与我们联系，并最好能提供访问日志中sogou spider 访问的部分，而不要直接将搜狗spider的ua封禁。
sogou spider 喜欢收录什么样的页面
  • 内容优良而独特的页面。如果您的页面内容和互联网上已存在的其他页面有高度的相似性，可能不会被 sogou spider 收录。
  • 链接层次较浅的页面。过深的链接层次，尤其是动态网页的链接，会被丢弃而不收录。
  • 如果是动态网页，请控制参数的数量和URL的长度。搜狗更偏好收录静态网页。重定向次数越多的页面，越有可能被 sogou spider 丢弃。
有用： 阅读：