头条搜索的Bytespider如何通过爬取日志区别?

莫然
莫然
莫然
20146
文章
0
评论
2019-12-2615:46:55 1 5,975

头条搜索UA介绍

头条搜索的爬虫UA为“Bytespider”首写字母为大写,例如:

Mozilla/5.0(Linux;Android6.0;Nexus5Build/MRA58N)AppleWebKit/537.36  (KHTML,likeGecko)Chrome/41.0.6633.1032MobileSafari/537.36;Bytespider;<  https://zhanzhang.toutiao.com

头条搜索ip字段介绍

头条搜索的ip字段总共涉及7个ip,具体字段如下:

110.249.201.0/24

110.249.202.0/24

111.225.148.0/24

111.225.149.0/24

220.243.135.0/24

220.243.136.0/24

60.8.123.0/24

头条搜索Bytespider

头条搜索Bytespider

基本流程

1.抓取网页

每个独立的搜索引擎都有自己的网页抓取程序爬虫(Spider)。爬虫顺着网页中的超链接,从这个网站爬到另一个网站,通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照。由于互联网中超链接的应用很普遍,理论上,从一定范围的网页出发,就能搜集到绝大多数的网页。

2.处理网页

搜索引擎抓到网页后,还要做大量的预处理工作,才能提供检索服务。其中,最重要的就是提取关键词,建立索引库和索引。其他还包括去除重复网页、分词(中文)、判断网页类型、分析超链接、计算网页的重要度/丰富度等。

3.提供检索服务

用户输入关键词进行检索,搜索引擎从索引数据库中找到匹配该关键词的网页;为了用户便于判断,除了网页标题和URL外,还会提供一段来自网页的摘要以及其他信息。

通过头条搜索Bytespider的IP段和爬取的UA即可判断是否为头条搜索来的蜘蛛抓取日志,希望能够帮助到大家!

继续阅读
莫然
匿名

发表评论

匿名网友 填写信息

评论:1   其中:访客  1   博主  0
    • 新闻头条 新闻头条 1

      文章还不错支持一下