服务器IIS日志的设置与搜索引擎爬虫痕迹的分析

、IIS日志的设置。
　　第一个步骤：打开IIS服务器。选择所要设置的网站属性。弹出如下窗口：




　　选择“启用日志记录”，勾选，选择“W3C扩展日志文件格式”。
　　第二步骤：再次点击这里的“属性”按钮，常规选项里面，选择新日志计划为“每天”，当然也可以选择其他，选择好保存日志文件的目录。




　　很多SEO设置到这里，点击确定之后，发现IIS日志已经开始记录，但是无论如何都找不到搜索引擎爬虫的痕迹，类似于Baiduspider+怎么都看不到，其实，我们还应该做第三个辅助步骤，因为默认的IIS日志是不开启这个功能的。
　　第三个步骤：选择高级选项。勾选底下的用户代理（cs(User-Agent)）等选项，我一般都将最下面的三个选项勾选起来。这样，你才可以看到百度等爬虫的名称。




　　第四个步骤：如果你全部按照上面设置之后，发现你的IIS日志还没开始记录，也就是本次困扰了我非常久的问题，那么最重要的一步就是检查相关的设置是否都完整。有的朋友说IIS日志不记录是因为系统服务WINDOWS time 没启动，或者系统的权限不正确等，比如没让IIS日志保存的那个文件夹有和IIS一样的权限之类，其实没有这么复杂，把下图的“记录访问”选项勾选即可。这样你的IIS日志就开始正常记录了。




　　二、如何分析网站IIS日志中的搜索引擎爬虫轨迹
　　首先，加入你要搜索百度的爬虫，那么就直接在保存记录的文本文档上搜索“Baiduspider”，我们节选以下一行来做详细的分析：
　　2009-11-09 13:02:40 W3SVC321 219.148.111.205 GET /index.html - 80 - 61.135.168.39 Baiduspider+(+http://www.baidu.com/search/spider.htm) 200 0 64- - www.52047.cn
　　这段IIS日志代码表示：在2009-04-09 13:02:40这个时间，百度搜索引擎的蜘蛛（ip地址为61.135.168.39，后面的http://www.baidu.com/search/spider.htm是关于Baiduspider+的相关问题）访问了服务器ip为219.148.111.205的网站www.52047.cn，并且抓取了首页/index.html，该日志记录保存在 W3SVC321文件夹。
　　其中，两个地方值得说明：
　　一是代码中的200表示搜索引擎蜘蛛爬行后返回HTTP的状态代码，代表成功爬行并抓取。
　　各个数字代码的具体意思参见如下：
　　2xx 成功
　　200 正常;请求已完成。
　　201 正常;紧接 POST 命令。
　　202 正常;已接受用于处理，但处理尚未完成。
　　203 正常;部分信息 — 返回的信息只是一部分。
　　204 正常;无响应 — 已接收请求，但不存在要回送的信息。
　　3xx 重定向
　　301 已移动 — 请求的数据具有新的位置且更改是永久的。
　　302 已找到 — 请求的数据临时具有不同 URI。
　　303 请参阅其它 — 可在另一 URI 下找到对请求的响应，且应使用 GET 方法检索此响应。
　　304 未修改 — 未按预期修改文档。
　　305 使用代理 — 必须通过位置字段中提供的代理来访问请求的资源。
　　306 未使用 — 不再使用;保留此代码以便将来使用。
　　4xx 客户机中出现的错误
　　400 错误请求 — 请求中有语法问题，或不能满足请求。
　　401 未授权 — 未授权客户机访问数据。
　　402 需要付款 — 表示计费系统已有效。
　　403 禁止 — 即使有授权也不需要访问。
　　404 找不到 — 服务器找不到给定的资源;文档不存在。
　　407 代理认证请求 — 客户机首先必须使用代理认证自身。
　　410 请求的网页不存在(永久);
　　415 介质类型不受支持 — 服务器拒绝服务请求，因为不支持请求实体的格式。
　　5xx 服务器中出现的错误
　　500 内部错误 — 因为意外情况，服务器不能完成请求。
　　501 未执行 — 服务器不支持请求的工具。
　　502 错误网关 — 服务器接收到来自上游服务器的无效响应。
　　503 无法获得服务 — 由于临时过载或维护，服务器无法处理请求。
　　二是各大搜索引擎爬虫（蜘蛛）的名称整理如下，大家可以对号入座：
　　1. Google爬虫名称
　　1） Googlebot：从Google的网站索引和新闻索引中抓取网页
　　2） Googlebot-Mobile针对Google的移动索引抓取网页
　　3） Googlebot-Image：针对Google的图片索引抓取网页
　　4） Mediapartners-Google：抓取网页确定 AdSense 的内容。只有在你的网站上展示 AdSense 广告的情况下，Google才会使用此漫游器来抓取您的网站。
　　5） Adsbot-Google：抓取网页来衡量 AdWords 目标网页的质量。只有在你使用 Google AdWords 为你的网站做广告的情况下，Google才会使用此漫游器。
　　2. 百度（Baidu）爬虫名称：Baiduspider
　　3. 雅虎（Yahoo）爬虫名称：Yahoo Slurp
　　4. 有道（Yodao）蜘蛛名称：YodaoBot
　　5. 搜狗（sogou）蜘蛛名称：sogou spider
　　6. MSN的蜘蛛名称：Msnbot
　　其他的搜索引擎我们使用得很少，就不需要理会了：）。