昨天發(fā)生了一件很郁悶的事情。downcc一個(gè)網(wǎng)站的快照停止在9號(hào)了，去服務(wù)器上查看該網(wǎng)站日志記錄!竟然沒發(fā)現(xiàn)蜘蛛記錄，以為網(wǎng)站要掛了!仔細(xì)一看，原來IIS該站點(diǎn)日志屬性中沒設(shè)置記錄爬蟲這些!百度下竟然在網(wǎng)上沒有這方面的文章，為了讓以后更多的兄弟不浪費(fèi)寶貴的時(shí)間，木木就把這個(gè)全套設(shè)置全部寫出來。

　　一、IIS中網(wǎng)站的日志的設(shè)置。

　　打開IIS。選擇所要設(shè)置的網(wǎng)站屬性。彈出如下窗口：

　　“啟用日志記錄”，勾選，選擇“W3C擴(kuò)展日志文件格式”。

　　再次點(diǎn)擊這里的“屬性”按鈕，常規(guī)選項(xiàng)里面，選擇新日志計(jì)劃為“每天”，當(dāng)然也可以選擇其他，選擇好保存日志文件的目錄。

　　按照一般情況，設(shè)置到這里就可以記錄日志了，但是有些主機(jī)無論如何都找不到搜索引擎爬蟲的痕跡，類似于Baiduspider+怎么都看不到。這個(gè)時(shí)候我們就需要啟用剩下的三個(gè)選項(xiàng)了!

　　選擇高級(jí)選項(xiàng)。勾選底下的用戶代理(cs(User-Agent))等下面三個(gè)選項(xiàng)，這樣我們就可以看到百度蜘蛛了!

　　二、如何分析網(wǎng)站IIS日志中的蜘蛛

　　首先來認(rèn)識(shí)下國內(nèi)主流搜索引擎的蜘蛛的名稱：

　　1. Google爬蟲名稱

　　1) Googlebot：從Google的網(wǎng)站索引和新聞索引中抓取網(wǎng)頁

　　2) Googlebot-Mobile針對(duì)Google的移動(dòng)索引抓取網(wǎng)頁

　　3) Googlebot-Image：針對(duì)Google的圖片索引抓取網(wǎng)頁

　　4) Mediapartners-Google：抓取網(wǎng)頁確定 AdSense 的內(nèi)容。只有在你的網(wǎng)站上展示 AdSense 廣告的情況下，Google才會(huì)使用此漫游器來抓取您的網(wǎng)站。

　　5) Adsbot-Google：抓取網(wǎng)頁來衡量 AdWords 目標(biāo)網(wǎng)頁的質(zhì)量。只有在你使用 Google AdWords 為你的網(wǎng)站做廣告的情況下，Google才會(huì)使用此漫游器。

　　2. 百度(Baidu)爬蟲名稱：Baiduspider

　　3. 雅虎(Yahoo)爬蟲名稱：Yahoo Slurp

　　4. 有道(Yodao)蜘蛛名稱：YodaoBot

　　5. 搜狗(sogou)蜘蛛名稱：sogou spider

　　因?yàn)樵蹅儑鴥?nèi)比較關(guān)注百度所以我們來分下百度的蜘蛛，從剛剛記錄的日志搜索“Baiduspider+“選取一段

　　00:00:06 GET /Class/Class.asp ID=38 61.135.168.142 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 214

　　上面這個(gè)日志說明是在0點(diǎn)的時(shí)候 訪問了 Class/Class.asp ID=38頁面。蜘蛛IP地址為61.135.168.142。其中的200 表示搜索引擎蜘蛛爬行后返回HTTP的狀態(tài)代碼，代表成功爬行并抓取。

　　下面列出常見數(shù)字代碼：

　　2xx 成功

　　200 正常;請(qǐng)求已完成。

　　201 正常;緊接 POST 命令。

　　202 正常;已接受用于處理，但處理尚未完成。

　　203 正常;部分信息 — 返回的信息只是一部分。

　　204 正常;無響應(yīng) — 已接收請(qǐng)求，但不存在要回送的信息。

　　3xx 重定向

　　301 已移動(dòng) — 請(qǐng)求的數(shù)據(jù)具有新的位置且更改是永久的。

　　302 已找到 — 請(qǐng)求的數(shù)據(jù)臨時(shí)具有不同 URI。

　　303 請(qǐng)參閱其它 — 可在另一 URI 下找到對(duì)請(qǐng)求的響應(yīng)，且應(yīng)使用 GET 方法檢索此響應(yīng)。

　　304 未修改 — 未按預(yù)期修改文檔。

　　305 使用代理 — 必須通過位置字段中提供的代理來訪問請(qǐng)求的資源。

　　306 未使用 — 不再使用;保留此代碼以便將來使用。

　　4xx 客戶機(jī)中出現(xiàn)的錯(cuò)誤

　　400 錯(cuò)誤請(qǐng)求 — 請(qǐng)求中有語法問題，或不能滿足請(qǐng)求。

　　401 未授權(quán) — 未授權(quán)客戶機(jī)訪問數(shù)據(jù)。

　　402 需要付款 — 表示計(jì)費(fèi)系統(tǒng)已有效。

　　403 禁止 — 即使有授權(quán)也不需要訪問。

　　404 找不到 — 服務(wù)器找不到給定的資源;文檔不存在。

　　407 代理認(rèn)證請(qǐng)求 — 客戶機(jī)首先必須使用代理認(rèn)證自身。

　　410 請(qǐng)求的網(wǎng)頁不存在(永久);

　　415 介質(zhì)類型不受支持 — 服務(wù)器拒絕服務(wù)請(qǐng)求，因?yàn)椴恢С终?qǐng)求實(shí)體的格式。

　　5xx 服務(wù)器中出現(xiàn)的錯(cuò)誤

　　500 內(nèi)部錯(cuò)誤 — 因?yàn)橐馔馇闆r，服務(wù)器不能完成請(qǐng)求。

　　501 未執(zhí)行 — 服務(wù)器不支持請(qǐng)求的工具。

　　502 錯(cuò)誤網(wǎng)關(guān) — 服務(wù)器接收到來自上游服務(wù)器的無效響應(yīng)。

　　503 無法獲得服務(wù) — 由于臨時(shí)過載或維護(hù)，服務(wù)器無法處理請(qǐng)求。

　　了解蜘蛛的爬行痕跡，有助于我們分析自己的網(wǎng)站。木木才疏學(xué)淺，就簡單的總結(jié)下!