百度总是这么不要脸吗？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3434 天前的主题，其中的信息可能已经有所发展或是发生改变。

robots.txt里限制了爬虫的时间段和频次,百度不管不顾

sudo cat access.log |grep 'http://www.baidu.com/search/spider.html' | awk '{print $1}' | awk -F'.' '{print $1"."$2"."$3"."$4}'

一早上 5个ip段 300多ip死劲爬啊－－

123.125.71.0
220.181.108.0
180.76.15.0
220.181.38.0
183.60.243.0

列举部分IP

220.181.108.103
220.181.108.107
220.181.108.97
220.181.108.85
220.181.108.120
220.181.108.102
220.181.108.87
220.181.108.83
220.181.108.77
220.181.108.93
220.181.108.109
220.181.108.90
220.181.108.119
220.181.108.81
220.181.108.104
220.181.108.91
220.181.108.114
220.181.108.99
220.181.108.108
220.181.108.92
220.181.108.101
123.125.71.91
123.125.71.81
123.125.71.110
123.125.71.115
123.125.71.107
123.125.71.108
123.125.71.96
123.125.71.80
123.125.71.94
123.125.71.89
123.125.71.95
123.125.71.98
123.125.71.111
123.125.71.101
123.125.71.88
123.125.71.103
123.125.71.97
123.125.71.113
180.76.15.149
180.76.15.137
180.76.15.159
180.76.15.140
180.76.15.150
180.76.15.136
180.76.15.155
180.76.15.152
180.76.15.160
180.76.15.163
180.76.15.157
180.76.15.158
180.76.15.134
180.76.15.161
180.76.15.151
180.76.15.142
180.76.15.145

爬虫

access.log

sudo

26 条回复 • 2015-07-07 04:06:53 +08:00

tabris17

2015-07-06 11:11:21 +08:00

robots.txt是西方的价值观，不符合中国国情（虽然百度自己也写了一个 http://www.baidu.com/robots.txt）

试试看站长工具呗

9hills

2015-07-06 11:11:39 +08:00

User-agent: Baiduspider
Disallow: /

User-agent: baiduspider
Disallow: /

laoertongzhi

2015-07-06 11:18:15 +08:00

百度有脸吗?

我怎么不晓得

lonelygo

2015-07-06 11:29:19 +08:00

脸是什么？baidu问你呢

zent00

2015-07-06 11:33:27 +08:00

有些事大家知道就好，不用讲出来，楼上几位这么说百度，小心有洗地的人来骂你们是喷子。

yakczh

2015-07-06 11:40:49 +08:00

A 用户做个A网站
莆田民营医院花100块钱买了A的关键字,用户在百毒搜A,搜出来一大堆狗皮膏药的广告
A 用户觉得这好象有点不大对劲,问百毒这到底咋回事
百毒说这是我的盈利模式,你花200块钱把关键字买回去就搜索结果就导向你的网站了莆田医院再花300买回去,你再花400买回来,这就是传说中的市场经济啊,我等着数钱啊
你问百毒,你要脸吗?
百毒:我要钱啊,给钱啊,我已经叉开双腿了,给钱来上我啊,come'on baby

laucie

2015-07-06 11:43:49 +08:00

@yakczh 生动啊有图就更好了

yakczh

2015-07-06 11:44:20 +08:00

象google这种笨蛋就不会搞市场经济赚钱

vbs

2015-07-06 11:48:30 +08:00

楼主能贴下robots.txt吗

undeflife

2015-07-06 11:58:19 +08:00

@tabris17 我知道百度站长上可以设频次,但是我没试过,不太乐意为了这个去注册账号什么的,问题是不管怎么样,300多ip同时来这像话吗？

Hello1995

2015-07-06 12:25:19 +08:00 via Android

楼主可以尝试把 UA 里带有 "baidu" 字样的全给屏蔽了。

df4VW

2015-07-06 12:31:57 +08:00

是

mliilm

2015-07-06 12:51:03 +08:00

robots.txt 里设置的爬虫的时间段和频次百度应该是不认的.
但是 disallow 百度是严格遵守的. 可以把你觉得不重要的给 disallow 掉.

300多个 IP 同时来算什么, 几千个几万个的都有. 尤其最近百度升级了 spider, 开始支持 JS 了, 有时候触发的 JS 有问题的话, 同时并发的可就更多了. 百度暂时根本控制不住这些.

最好的办法就是站长工具里控制下频率. 或者干脆 disallow 掉.
如果还是不行的话, 那就升级服务器吧.