Linux/Nginx如何查看搜索引擎蜘蛛爬蟲的行為

摘要

做好網(wǎng)站SEO優(yōu)化的第一步就是首先讓蜘蛛爬蟲經(jīng)常來你的網(wǎng)站進行光顧，下面的Linux命令可以讓你清楚的知道蜘蛛的爬行情況。下面我們針對nginx服務器進行分析，日志文件所在目錄：/usr/local/nginx/logs/access.log，access.log這個文件記錄的應該是最近一天的日志情況，首先請看看日志大小，如果很大(超過50MB)建議別用這些命令分析，因為這些命令很消耗CPU，或者更新下來放到分析機上執(zhí)行，以免影響網(wǎng)站的速度。

Linux shell命令

1. 百度蜘蛛爬行的次數(shù)

cat access.log | grep Baiduspider | wc

最左面的數(shù)值顯示的就是爬行次數(shù)。

2. 百度蜘蛛的詳細記錄(Ctrl C可以終止)

cat access.log | grep Baiduspider

也可以用下面的命令：

cat access.log | grep Baiduspider | tail -n 10
cat access.log | grep Baiduspider | head -n 10

只看最后10條或最前10條，這用就能知道這個日志文件的開始記錄的時間和日期。

3. 百度蜘蛛抓取首頁的詳細記錄

cat access.log | grep Baiduspider | grep “GET / HTTP”

百度蜘蛛好像對首頁非常熱愛每個鐘頭都來光顧，而谷歌和雅虎蜘蛛更喜歡內(nèi)頁。

4. 百度蜘蛛派性記錄時間點分布

cat access.log | grep “Baiduspider ” | awk ‘{print $4}'

5. 百度蜘蛛爬行頁面按次數(shù)降序列表

cat access.log | grep “Baiduspider ” | awk ‘{print $7}' | sort | uniq -c | sort -r

文中的Baiduspider 改成Googlebot都可以查看谷歌的數(shù)據(jù)，鑒于大陸的特殊性，大家應該對百度的log更為關(guān)注。

附：(Mediapartners-Google)Google adsense蜘蛛的詳細爬行記錄

cat access.log | grep Mediapartners

Mediapartners-Google是什么呢?Google adsense廣告之所以能與內(nèi)容相關(guān)，因為每個包含著adsense的廣告被訪問后，很快就有個Mediapartners-Google蜘蛛來到這個頁面，所以幾分鐘后再刷新就能顯示相關(guān)性廣告了，真厲害??！

ps：linux下nginx如何啟用網(wǎng)站日志，查看蜘蛛爬蟲

默認的路徑是你安裝時候指定的

如果用的LNMP之類的安裝包

你可以在SHELL下

whereisnginx

找到相應的路徑之后

在NGINX下的CONF文件夾里看配置文件，日志文件如果記錄了話

在配置文件里有路徑的～