什么是抓取診斷

　　抓取診斷工具，可以讓站長從百度蜘蛛的視角查看抓取內容，自助診斷百度蜘蛛看到的內容，和預期是否一致。每個站點每周可使用70次，抓取結果只展現百度蜘蛛可見的前200KB內容。

　　抓取診斷工具能做什么

　　目前抓取診斷工具有如下作用：

　　1、診斷抓取內容是否符合預期，譬如很多商品詳情頁面，價格信息是通過JavaScript輸出的，對百度蜘蛛不友好，價格信息較難在搜索中應用。問題修正后，可用診斷工具再次抓取檢驗。

　　2、診斷網頁是否被加了黒鏈、隱藏文本。網站如果被黑，可能被加上隱藏的鏈接，這些鏈可能只在百度抓取時才出現，需要用此抓取工具診斷。

　　3、檢查網站與百度的連接是否暢通，若是IP信息不一致，可以報錯通知百度更新IP。

　　抓取診斷工具常見錯誤類型解析

　　【url規范】

　　百度支持抓取的url長度不超過1024，如果您的鏈接長度過長，請在保證正常訪問的情況下，適當精簡，保證鏈接能被百度正常抓取和收錄。

　　【重定向錯誤】

　　重定向是指百度spider訪問鏈接時發生了跳轉，如果跳轉后的鏈接超長或者連續跳轉的次數超過5次，就會發生重定向錯誤而導致抓取失敗。

　　【服務器連接錯誤】

　　這種情況是指，由于服務器響應過慢或您的網站屏蔽了百度spider，而導致百度無法訪問您的網站。從而會導致百度無法正常收錄或者更新您網站的內容。您可能看到以下具體錯誤：連接超時、連接失敗、連接被拒、無響應、響應遭到截斷、連接重置、標頭遭到截斷、超時。

　　*如何處理服務器連接錯誤？

　　減少動態網頁請求的過多網頁加載。如果網站為多個網址提供相同內容，則會被視為動態提供內容（例如，www.example.com/shoes.php?color=red&size=7與www.example.com/shoes.php?size=7&color=red提供的內容相同）。動態網頁的響應時間可能會很長，并會因此導致超時問題。或者，服務器可能會返回超載狀態，要求百度spider放慢抓取該網站的速度。一般來說，建議您盡量使用簡短的參數并謹慎使用。

　　確保您網站的托管服務器沒有停止運行、超載或配置不當。如果連接問題、超時問題或響應問題仍然存在，請與您的網站托管服務提供商聯系，并考慮增強您的網站處理流量的能力。

　　檢查網站是否不小心屏蔽了百度spider的IP。您可能會由于系統級問題而阻止了百度訪問，例如DNS配置問題、配置不當的防火墻或DoS防護系統、內容管理系統配置問題。防御系統是保證托管服務正常運行的關鍵因素之一，并且這些系統通常會配置為自動阻止超量的服務器請求。由于百度spider發出的請求通常要比普通用戶多，因此可能會觸發這些防御系統，導致它們阻止百度spider訪問并抓取您的網站。要解決此類問題，您需要確定網站基礎架構中的哪個部分在阻止百度spider，然后取消該阻止。如果您沒有控制防火墻的權限，就需要與您的托管服務提供商聯系解決此問題。

　　【robots封禁問題】

　　在抓取診斷工具中如果返回的抓取失敗結論是robots封禁，請確認您是否對該網址設置了robots，阻止百度spider抓取網站的某些內容，如果您未使用robots文件屏蔽百度，請點擊旁邊的報錯鏈接，百度會立即更新您站點的robots信息；如果是您的誤操作導致了封禁，請及時修改robots文件，避免造成您的網站在百度收錄量和流量的下降。

　　【DNS問題】

　　DNS錯誤是指由于服務器停止運行或DNS到您網域的路由存在問題，導致百度spider無法與DNS服務器通信。

　　*如何處理DNS錯誤？

　　確保百度能夠抓取您的網站。對重要網頁（例如您的首頁）采用抓取診斷工具，如果它能順利返回您的首頁內容，那么您就可以認為百度能夠正常訪問您的網站。

　　對于持續的或反復出現的DNS錯誤，請與您的DNS提供商聯系。通常情況下，您的DNS提供商即為網站托管服務提供商。

　　配置您的服務器，使其能夠以404或500等HTTP錯誤代碼對不存在的主機名作出響應。

　　【404錯誤】

　　一般情況下，當百度spider訪問到不存在的網頁（因為您刪除或重命名了網頁且沒有將舊網址重定向到新網頁，或者鏈接中存在拼寫錯誤）時，就會出現“未找到”狀態錯誤（通常是404 HTTP狀態代碼）。

　　【訪問遭拒絕】

　　一般情況下，百度會通過跟蹤網頁間的鏈接來查找內容。百度spider必須能夠訪問某個網頁才能抓取該網頁。如果您意外地看到了“訪問遭拒”錯誤，可能是由于以下幾種原因導致的：

　　（1）百度spider無法訪問您網站上的網址，因為您網站上的所有或部分內容要求用戶登錄后才能查看。

　　（2）您的服務器要求用戶使用代理進行身份驗證，或者您的托管服務提供商阻止百度spider訪問您的網站。

　　【參數錯誤】

　　由于請求的語法格式有誤，不符合服務器對請求的某些限制，或者請求本身存在一定的錯誤，服務器無法理解此請求，導致抓取失敗。

　　【socket讀寫錯誤】

　　當百度spider訪問服務器，進行tcp通信的時候，socket讀寫發生異常，導致數據不能正常返回。請檢查服務器連接狀況和防火墻設置是否符合預期。

　　【讀取http頭或者頁面內容時失敗】

　　您的服務器收到了我們的完整請求，但是返回信息時不完整，http頭或者響應正文發生了截斷，導致網頁內容不能正常讀取。