事實上，我們?nèi)罩局械脑S多百度Pider都是被別人偽裝的。來解決這個問題。我們必須努力驗證百度pider的真實性。本文詳細(xì)介紹了爬蟲的識別方法

當(dāng)我們根據(jù)網(wǎng)站日志分析搜索引擎蜘蛛捕獲的網(wǎng)頁記錄時，實際上很多網(wǎng)站都有一些偽裝成百度pider的訪問者。這些數(shù)據(jù)將嚴(yán)重影響我們在日志分析后的判斷

為什么這些訪問者假裝是百度皮德爾來訪問我們的網(wǎng)站？最典型的是那些收集你的內(nèi)容的人。他們知道，許多工具可以看到哪些IP訪問網(wǎng)站太大。例如，今天IP訪問你的網(wǎng)站10000次是否正常？一定是不正常。但如果他是百度pdier呢？呵呵，這很正常

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

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

Mozilla/5.0（Linux；u；Android4.2.2；zhcn；）AppleWebKit/534.46（KHTML，likeGecko）版本/5.1MobileSafari/10600.6.3（兼容；Baiduspider/2.0；+http://www.baidu.com/search/spider.html）

Mozilla/5.0（iPhone；CPUiPhoneOS9_1likeMacOSX）AppleWebKit/601.1.46（KHTML，likeGecko）版本/9.0Mobile/13B143Safari/601.1（兼容；Baiduspiderrender/2.0；+http://www.baidu.com/search/spider.html）

以上包括百度的常規(guī)爬蟲和渲染爬蟲渲染。這兩種爬行動物的區(qū)別特征用紅色標(biāo)記

這個問題可以通過DNS反向查找解決。不同平臺的驗證方法不同。例如，linux/Windows/OS下的驗證方法如下：

1。在Linux平臺上，可以使用hostip命令反轉(zhuǎn)IP，以確定抓取是否來自Baiduspider。Baiduspider的主機名在百度。Com或百度。JP格式命名，非百度。Com或百度。JP是假的

2。在windows或ibmos/2平臺上，可以使用nslookupip命令反轉(zhuǎn)IP，以確定抓取是否來自Baiduspider。打開命令處理器并輸入nslookupxxxxxx。xxx。XXX（IP地址）可以解析IP以確定它是否是從Baiduspider獲取的。Baiduspider的主機名用百度表示。Com或百度。JP格式命名，非百度。Com或百度。JP是假的

3。在MacOS平臺上，可以使用dig命令反轉(zhuǎn)IP地址，以確定抓取是否來自Baiduspider。打開命令處理器并輸入digxxx。xxx。XXX（IP地址）可以解析IP以確定它是否是從Baiduspider獲取的。Baiduspider的主機名用百度表示。Com或百度。JP格式命名，非百度。Com或百度。JP是假的。