错误博客( cuowu.com )发布于 2019-06-03 11:20:04

搜狗爬虫抓取

本文为搜狗站长平台爬虫抓取教程。

sogou spider User-Agent字段是什么?

PC端UA为

  • Sogou web spider
  • Sogou inst spider
  • Sogou spider

无线端UA为

  • Sogou wap 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。

host ip

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。

原文地址:http://zhanzhang.sogou.com/index.php/help/spider


2020年错误博客亲测项目系列

错误教程( cuowu.com )专注网推培训、SEO培训和网赚培训,微信/电话:13722793092

关注微信公众号:第一时间获得错误博客最新教程,让我们一起成长!

公众号二维码