百度蜘蛛Baiduspider的真假如何分辨

發(fā)布時(shí)間：2022/3/2 16:30:07

實(shí)際上，我們的日志中，有很多的baiduspider是他人偽裝的，要想解決這個(gè)問題。我們必須在驗(yàn)證baiduspider真?zhèn)紊舷鹿Ψ颍@篇文章詳細(xì)的介紹了爬蟲的鑒別方法。

我們?cè)诟鶕?jù)網(wǎng)站日志分析搜索引擎蜘蛛抓取網(wǎng)頁的記錄時(shí)，實(shí)際上很多站點(diǎn)都是有一些偽裝稱baiduspider的到訪者的。這些數(shù)據(jù)會(huì)嚴(yán)重影響我們對(duì)日志分析后的判斷。

這些到訪者，為什么會(huì)偽裝為baiduspider來訪問我們的網(wǎng)站呢？最典型的就是采集你內(nèi)容的那些人。他們知道很多工具是能夠看到哪些ip訪問網(wǎng)站的量過大的。例如某一個(gè)ip今天訪問你網(wǎng)站1萬次，那正常嗎？肯定是不正常的。但他要是baiduspdier呢？呵呵，那就正常了。

Mozilla/5.0(compatible;Baiduspider/2.0;+http://www.baidu.com/search/spider.html）

Mozilla/5.0(compatible;Baiduspider-render/2.0;+http://www.baidu.com/search/spider.html)

Mozilla/5.0(Linux;u;Android4.2.2;zh-cn;)AppleWebKit/534.46(KHTML,likeGecko)Version/5.1MobileSafari/10600.6.3(compatible;Baiduspider/2.0;+http://www.baidu.com/search/spider.html)

Mozilla/5.0(iPhone;CPUiPhoneOS9_1likeMacOSX)AppleWebKit/601.1.46(KHTML,likeGecko)Version/9.0Mobile/13B143Safari/601.1(compatible;Baiduspider-render/2.0;+http://www.baidu.com/search/spider.html)

如上是包含了百度的常規(guī)爬蟲，和渲染爬蟲render的。這兩個(gè)爬蟲的區(qū)別符已經(jīng)用紅色字體標(biāo)出來了。

可以通過DNS反查方式來解決這個(gè)問題。根據(jù)平臺(tái)不同驗(yàn)證方法不同，如linux/windows/os三種平臺(tái)下的驗(yàn)證方法分別如下：

1、在linux平臺(tái)下，您可以使用hostip命令反解ip來判斷是否來自Baiduspider的抓取。Baiduspider的hostname以.baidu.com或.baidu.jp的格式命名，非.baidu.com或.baidu.jp即為冒充。

2、在windows平臺(tái)或者IBMOS/2平臺(tái)下，您可以使用nslookupip命令反解ip來判斷是否來自Baiduspider的抓取。打開命令處理器輸入nslookupxxx.xxx.xxx.xxx（IP地址）就能解析ip，來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以.baidu.com或.baidu.jp的格式命名，非.baidu.com或.baidu.jp即為冒充。

3、在macos平臺(tái)下，您可以使用dig命令反解ip來判斷是否來自Baiduspider的抓取。打開命令處理器輸入digxxx.xxx.xxx.xxx（IP地址）就能解析ip，來判斷是否來自Baiduspider的抓取，Baiduspider的hostname以.baidu.com或.baidu.jp的格式命名，非.baidu.com或.baidu.jp即為冒充。