8月份百度Spider升级了对HTTPS数据的抓取力度，HTTPS数据将更快被Spider抓取到。如网站还在做HTTPS的改造，且网站数据未搭建好，建议网站采取以下措施，避免Spider抓取，以免造成网站流量损失
1、把HTTPS的协议封掉，可把443端口关掉；
2、做HTTPS到http的301；
3、建议站点在改HTTPS没改造好之前，不要提供超链接指向，以免被Spider抓到HTTPS。
4、针对一个服务器下有多个域名的情况，建议未做HTTPS的网站，设置HTTPS抓取返回失败码，或将HTTPS站点301/302到HTTP，避免抓取出现问题。
来源：百度搜索资源平台
百度spider，简称Baidu Spider，是百度搜索引擎爬虫程序，主要用于收集互联网上的网页信息，以提供更好的搜索结果。Baidu Spider 负责从网页中抓取文字、图片、链接等信息，并将这些信息交给百度索引系统进行处理。Baidu Spider 会根据设置好的规则，定期抓取网页内容，以确保百度搜索引擎中有最新的信息。Baidu Spider 还能够支持对 AJAX、JS 等动态页面进行抓
1. 设置robots.txt文件 在根目录中建立一个robots.txt文件，设置禁止百度抓取即可达到屏蔽百度爬虫的效果，具体设置内容如下： User-agent: Baiduspider Disallow: / 2. 自定义Http请求 百度爬虫最显著的特征就是它的User_Agent中包含Baiduspider，一般在Http头中添加请求头：X-Baidu-Env：martin-
判断是否冒充Baiduspider的抓取可以通过以下步骤进行： 1. 查看User-Agent：Baiduspider是百度搜索引擎的爬虫程序，其User-Agent通常以"Baiduspider"开头，后面跟着版本号。如果请求的User-Agent不是以"Baiduspider"开头，就可能是冒充Baiduspider的抓取。 2. IP地址验证：冒充Baiduspider的抓取可能使用不属
在百度C2C产品“百度有啊”即将上线的时候，淘宝网站曾经屏蔽百度搜索爬虫，禁止百度搜索引擎抓取淘宝网站的网页内容，淘宝官方的解释是“杜绝不良商家欺诈”。在技术层面，淘宝屏蔽百度的方法是，在网站的robots.txt文件中加上如下内容：User-agent: BaiduspiderDisallow: /但实际上这种方法并不能完全屏蔽百度的爬虫，至今在百度上输入site:taobao.com还是可以看
