网站日志怎么看？怎么用？有什么规则？

怎么看：
首选对日志的各部份含意要清楚。 推荐一款在线分析工具http://www.loghao.com（本人下载log文件DW下人工分析对比亲测，非常准确的工具，为开发者点32个赞！！）

怎么用：
会看了，就要通过日志的记录，来修正网站的问题，使网站更被引擎喜欢。

有什么规则：
引擎有不同IP段的抓取蜘蛛：
1、不同内容的抓取蜘蛛
2、权重页的抓取蜘蛛、低权重页的抓取蜘蛛
3、不同页面的抓取蜘蛛
4、对新站的抓取蜘蛛
5、将要K站的、进沙盒的抓取蜘蛛
7、高频率（每天更新）的抓取蜘蛛
8、新站点或出现异常的站点蜘蛛
9、不间断巡逻的蜘蛛 210.72.225.* （它是我们通常理解的引擎蜘蛛抓取网站的情况，我以前总以为百度就有一人蜘蛛，每天

不停的进出各种网站，其实，这只是一个常运转的程序）
10、用户的访问IP

还包括了进入网站的位置、以及用户搜索时网站被展现且用户点击进入、以及在搜索图片时的进入位置。进入时间、

等等（下文详解，这里主要阐述不同IP对网站有不同意义，不仅仅要看301、200、304、404等因为，日志的信息量很大）

如果我们知道这以上内容，甚至更多时，我们就可以通过日志，来知道：引擎只派123.125.71.*来处理低权重的网页。常常这个

IP段的蜘蛛访问后会返回 304 。304是指网页没有变化。哪么，是不是通过这一点，我们知道了两个问题：第一要更新这个网页

。第二这个网页权重不高，要做内外锚文本？（注意每一条日志里除了对首页的抓取外，都明确的记录了对哪一页的返回信息）

等等IP段的蜘蛛和返回码，以及记录的被访问的网页，这有助于我们更善网页。日志就是这么用的。

请认真阅读以下内容：以便大家更好的研究日志。

不同IP段蜘蛛的含意一：

121.14.89.* 这个ip段作为度过新站考察期。

123.125.68.* 这个蜘蛛经常来,别的来的少,表示网站可能要进入沙盒了，或被者降权。

220.181.7.* 123.125.66.* 代表百度蜘蛛IP造访，准备抓取你东西。

220.181.68.* 每天这个IP 段只增不减很有可能进沙盒或K站。

203.208.60.* 这个ip段出现在新站及站点有不正常现象后。

210.72.225.* 这个ip段不间断巡逻各站。

二：

123.125.71.* 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因不是原创或采集文章

三：

125.90.88.* 广东茂名市电信也属于百度蜘蛛IP 主要造成成分，是新上线站较多，还有使用过站长工具，或SEO综合检测造成的。

四：

220.181段属于权重IP段此段爬过的文章或首页基本24小时放出来。

220.181.108.75重点抓取更新文章的内页达到90%，8%抓取首页，2%其他。权重IP 段，爬过的文章或首页基本24小时放出来。

220.181.108.77 专用抓首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.80专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.83专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.86专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.89专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.91属于综合的，主要抓取首页和内页或其他，属于权重IP 段，爬过的文章或首页基本24小时放出来。

220.181.108.92 同上98%抓取首页，可能还会抓取其他 (不是指内页)

220.181.108.94专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

220.181.108.95这个是百度抓取首页的专用IP，如是220.181.108段的话，基本来说你的网站会天天隔夜快照

220.181.108.97专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

五：

注===以上IP尾数还有很多，但段位一样的123.125.71.*段IP 代表抓取内页收录的权重比较低.可能由于你采集文章或拼文章暂时被收录但不放出来.(意思也就是说待定)。

220.181.108.*段IP主要是抓取首页占80%，内页占30%，这此爬过的文章或首页。

六：

所谓尽信书不如无书，以上只能当作参考，不能完全照搬；如果还看到一些不知名的类似百度IP蜘蛛的话，可能是一些（站长工具）的模拟蜘蛛IP。

网站日志中返回代码的含义

一： 1xx （临时响应）表示临时响应并需要请求者继续执行操作的状态代码。

100 （继续） 请求者应当继续提出请求。 服务器返回此代码表示已收到请求的第一部

分，正在等待其余部分。

101 （切换协议） 请求者已要求服务器切换协议，服务器已确认并准备切换。

二：2xx （成功）表示成功处理了请求的状态代码。

200 （成功） 服务器已成功处理了请求。 通常，这表示服务器提供了请求的网页。

201 （已创建） 请求成功并且服务器创建了新的资源。

202 （已接受） 服务器已接受请求，但尚未处理。

203 （非授权信息） 服务器已成功处理了请求，但返回的信息可能来自另一来源。

204 （无内容） 服务器成功处理了请求，但没有返回任何内容。

205 （重置内容） 服务器成功处理了请求，但没有返回任何内容。

206 （部分内容） 服务器成功处理了部分 GET 请求。

三：3xx （重定向） 表示要完成请求，需要进一步操作。通常，这些状态代码用来重定向。

300 （多种选择）针对请求，服务器可执行多种操作。服务器可根据请求者(useragent) 选择一项操作，或提供操作列表供请求者选择。

301 （永久移动） 请求的网页已永久移动到新位置。服务器返回此响应（对 GET或HEAD 请求的响应）时，会自动将请求者转到新位置。

302 （临时移动） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原有位置来进行以后的请求。

303 （查看其他位置） 请求者应当对不同的位置使用单独的 GET 请求来检索响应时，服务器返回此代码。

304 （未修改） 自从上次请求后，请求的网页未修改过。 服务器返回此响应时，不会返回网页内容。

305 （使用代理） 请求者只能使用代理访问请求的网页。 如果服务器返回此响应，还表示请求者应使用代理。

307 （临时重定向） 服务器目前从不同位置的网页响应请求，但请求者应继续使用原有位置来进行以后的请求。

四：4xx （请求错误） 这些状态代码表示请求可能出错，妨碍了服务器的处理。

400 （错误请求） 服务器不理解请求的语法。

401 （未授权） 请求要求身份验证。 对于需要登录的网页，服务器可能返回此响应。

403 （禁止） 服务器拒绝请求。

404 （未找到） 服务器找不到请求的网页。

405 （方法禁用） 禁用请求中指定的方法。

406 （不接受） 无法使用请求的内容特性响应请求的网页。

407 （需要代理授权） 此状态代码与 401（未授权）类似，但指定请求者应当授权使用代理。408 （请求超时） 服务器等候请求时发生超时。

409 （冲突） 服务器在完成请求时发生冲突。 服务器必须在响应中包含有关冲突的信息。

410 （已删除） 如果请求的资源已永久删除，服务器就会返回此响应。

411 （需要有效长度） 服务器不接受不含有效内容长度标头字段的请求。

412 （未满足前提条件） 服务器未满足请求者在请求中设置的其中一个前提条件。

413 （请求实体过大） 服务器无法处理请求，因为请求实体过大，超出服务器的处理能力。

414 （请求的 URI 过长） 请求的 URI（通常为网址）过长，服务器无法处理。

415 （不支持的媒体类型） 请求的格式不受请求页面的支持。

416 （请求范围不符合要求） 如果页面无法提供请求的范围，则服务器会返回此状态代码。

417 （未满足期望值） 服务器未满足”期望”请求标头字段的要求。

五：5xx （服务器错误）这些状态代码表示服务器在尝试处理请求时发生内部错误。 这些错误可能是服务器本身的错误，而不是请求出错。

500 （服务器内部错误） 服务器遇到错误，无法完成请求。

501 （尚未实施） 服务器不具备完成请求的功能。 例如，服务器无法识别请求方法时可能会返回此代码。

502 （错误网关） 服务器作为网关或代理，从上游服务器收到无效响应。

503 （服务不可用） 服务器目前无法使用（由于超载或停机维护）。 通常，这只是暂时状态。

504 （网关超时） 服务器作为网关或代理，但是没有及时从上游服务器收到请求。

505 （HTTP 版本不受支持） 服务器不支持请求中所用的 HTTP 协议版本。

日志分析

从网站上下载下的网站日志，在txt文本中就可以看到以下数据：

117.26.203.167 – – [02/May/2011:01:57:44 -0700] “GET/index.php HTTP/1.1” 500 19967 “-” “Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; AskTbCS-ST/5.11.3.15590; .NET CLR 2.0.50727; Alexa Toolbar)”

分析：

117.26.203.167 访问ip

02/May/2011:01:57:44 -0700 访问日期 -时区

GET/index.php HTTP/1.1 根据HTTP/1.1 协议 抓取（域名下）/index.php 这个页面（GET表示服务器动作）

500 服务器响应状态码

服务器响应状态码通常状态码有以下几种：200,301,302,304,404,500等。200代表用户成功的获取到了所请求的文件，如果是搜索引擎，则证明蜘蛛在这次爬行中顺利的发现了一些新的内容。而301则代表用户所访问的某个页面url已经做了301重定向(永久性)处理，302则是暂时性重定向。404则代表所访问的页面已经不存在了，或者说访问的url根本就是个错误的。500则是服务器的错误。

19967 表示抓取了19967个字节

Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; AskTbCS-ST/5.11.3.15590; .NET CLR 2.0.50727; Alexa Toolbar 表示访问者使用火狐浏览器及Alexa Toolbar 等访问端信息

如果你的日志里格式不是如此，则代表日志格式设置不同。

很多日志里可以看到 200 0 0和200 0 64 则都代表正常抓取。

抓取频率是通过查看每日的日志里百度蜘蛛抓取次数来获知。抓取频率并没有一个规范的时间表或频率数字，我们一般通过多日的日志对比来判断。
当然，我们希望百度蜘蛛每日抓取的次数越多越好。