对于真假百度蜘蛛,相信SEO及站长们已经有明确的手段去辨别了。百度也在官方通告了如何去判别伪装成百度蜘蛛的抓取。CDN及虚拟主机用户须慎重辨别假百度蜘蛛。

假蜘蛛对我们网站的危害是巨大的,具体有:

1.占用网站带宽,导致网站流量上升,增加额外开销

2.在有限带宽的前提下,阻碍了正常蜘蛛的抓取

3.误导了我们在对网站开展SEO工作时的思路

4.部分伪装成假蜘蛛的采集工具剽窃了我们的工作

我们看到,网上有很多人在分享如何“捉住”假蜘蛛的文章,但这些文章只是千篇一律的描述了“捉住”假蜘蛛的过程及操作方法。却没有分享从如何真正的判别蜘蛛的真伪。

作者本人最近在对一个电商网站进行SEO优化时,就碰到了这样一个案例,险些导致将真蜘蛛错当假蜘蛛来处理。

一、发现“假蜘蛛”

SEO优化要依靠大量的分析和数据来实现,其中日志分析是重中之重,在日志中我们可以看到很多平时统计工具无法看到的数据和事实。

每周三我都要对该电子商务网站进行周日志的分析,以便来统计上一周的优化效果,在本周进行对网站日志进行分析查看时,我发现了几个不属于认识中的“蜘蛛IP”,如图:

我们知道,百度蜘蛛一般来自于202.181.108.* 和123.125.71.* 这两个IP段(顺便科普一下,这两个IP段的百度蜘蛛没有所谓高权重和降权之分)。显然这三个IP在“常识”中,不属于百度蜘蛛所属的IP段。

为了确保不误杀百度蜘蛛,笔者用nslookup ip命令反解了此IP,得到以下信息:

nslookup+IP

这个时候,基本已经可以确定该IP不属于百度蜘蛛的IP段,是一个“假蜘蛛”,我们需要屏蔽该IP释放那些被占用的带宽。

二,误会“假蜘蛛”

就在要对以上提到的三个IP进行屏蔽的时候,笔者突然想到,这个电商网站在上周通知我他们要使用安全宝服务,需要将DNS解析到安全宝的服务器上,而安全宝则会根据用户的访问情况,选择距离最近的一个节点进行CDN加速。

在我之前的例行SEO检查中,发现网站IP被解析到了陕西的一个IP上,而这个网站IP和这次我从网站日志中发现的三个“假蜘蛛”IP属于同一IP段。

为了验证这个推测,我又重新仔细查看了网站日志,发现谷歌蜘蛛和搜狗蜘蛛也来自于之前三个IP(之前对网站日志进行了拆分,只查看百度的情况,因为网站是针对百度做SEO的)。

这下子总算清楚了,这些所属IP的蜘蛛不是假蜘蛛,而是货真价实的百度蜘蛛、谷歌蜘蛛和其他搜索引擎的蜘蛛。只不过因为他们通过了一次CDN节点,所以造成了他们的来源IP是一致的。

三,虚拟主机如何产生“假蜘蛛”

由此笔者突然想到,之前在阅读相关文章的时候,经常会看到有站长抱怨发现假蜘蛛,来自XX机房(就那么一两家机房)。

这是一件很奇怪的事情,莫非采集工具和假蜘蛛都产自这个机房?事实自然不是那样的,而是:

1.很大一部分发现假蜘蛛的站长,所使用的是某主机供应商提供的集群主机,或类似性质的虚拟主机。

2.集群性质的虚拟主机,同CDN的道理是相同的,即将客户的空间和站点资料同步到同一个群组的所有服务器上。

3.蜘蛛的来源不同,一些是直接访问站点的,另一些是通过一些外链访问站点的。而这些通过外链访问站点的蜘蛛,会就近通过CDN节点访问。

4.CDN节点每家公司都不一样,但大致分为地域大区(不是省)和电信、网通这样的方式划分。

5.那些通过CDN节点访问网站的蜘蛛,来源IP自然不是从北京总部出发时的IP。

最终事情得到了很好的解决,该电商网站自优化以来效果一直良好,虽然采用了CDN,但事实证明CDN对搜索引擎而言没有任何障碍,反而有利于网站速度和提高用户体验。

这个SEO案例也同时告诉我们,网上的SEO教程是会过时的,随着互联网的进步,我们SEO也要学会理智的去对待一些教程和分享,要有质疑和勇于实践的精神,同时对互联网的一些基本的技术知识要有所了解。