索引擎百度各个产品使用不同的user-agent:
产品名称 | 对应user-agent | |
网页搜索 | Baiduspider | |
移动搜索 | Baiduspider | |
图片搜索 | Baiduspider-image | |
视频搜索 | Baiduspider-video | |
新闻搜索 | Baiduspider-news | |
百度搜藏 | Baiduspider-favo | |
百度联盟 | Baiduspider-cpro | |
商务搜索 | Baiduspider-ads | |
百度spider，也叫"百度蜘蛛"，是百度用于抓取网络上的网页内容的爬虫程序。它会自动搜索网络上的网页，抓取页面上的关键词和摘要，并将它们保存在百度的数据库中。百度的蜘蛛不仅可以抓取网页上的文本信息，还可以抓取网页上的图像和多媒体文件，以及网站上的链接。百度蜘蛛可以在短时间内快速地抓取大量信息，因此十分实用。它也可以抓取动态网页内容，对网络内容进行检索更新，从而搜集到最新最准确的检索结果。
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-
目前百度Spider抓取新链接的途径有两个，一是主动出击发现抓取，二就是从搜索资源平台的链接提交工具中获取数据，其中通过主动推送功能“收”上来的数据最受百度Spider的欢迎。对于站长来说，如果链接很长时间不被收录，建议尝试使用主动推送功能，尤其是新网站，主动推送首页数据，有利于内页数据的抓取。那么同学们要问了，为什么我提交了数据还是迟迟在线上看不到展现呢？那涉及的因素可就多了，在Spider抓取
Spider对网站抓取数量突增往往给站点带来很大烦恼，纷纷找平台想要Baiduspider IP白名单，但实际上BaiduSpider IP会随时变化，所以并不敢公布出来，担心站长设置不及时影响抓取效果。百度是怎么计算分配抓取流量的呢？站点抓取流量暴增的原因有哪些呢？总体来说，Baiduspider会根据站点规模、历史上网站每天新产出的链接数量、已抓取网页的综合质量打分等等，来综合计算抓取流量，同
