蜘蛛机器人,乐你思谈搜索引擎蜘蛛(机器人)

搜索引擎用来爬行和访问页面的程序被称为蜘蛛（spider），也称为机器人（bot）。搜索引擎蜘蛛访问网站页面时类似于普通用户使用的浏览器。蜘蛛程序发出页面访问请求后，服务器返回HTML 代码，蜘蛛程序把收到的代码存入原始页面数据库。搜索引擎为了提高爬行和抓取速度，都使用多个蜘蛛并发分布爬行。

搜索引擎工作过程非常复杂，爬行和抓取是搜索引擎工作的第一步，完成数据收集的任务。搜索引擎蜘蛛通过跟踪链接访问网页，获得页面HTML代码存入数据库。然后索引程序对抓取来的页面数据进行文字提取、中文分词、索引等处理，以备排名程序调用。当用户输入关键词后，排名程序调用索引库数据，计算相关性，然后按一定格式生成搜索结果页面。

蜘蛛访问任何一个网站时，都会先访问网站根目录下的robots.txt 文件。如果robots.txt 文件禁止搜索引擎抓取某些文件或目录，蜘蛛将遵守协议，不抓取被禁止的网址。和浏览器一样，搜索引擎蜘蛛也有标明自己身份的代理名称，站长可以在日志文件中看到搜索引擎的特定代理名称，从而辨识搜索引擎蜘蛛。下面列出常见的搜索引擎蜘蛛名称：

Baiduspider+(+http://www.baidu.com/search/spider.htm) 百度蜘蛛
· Mozilla/5.0 (compatible; Yahoo! Slurp China; http://misc.yahoo.com.cn/help.html) 雅虎中国蜘蛛
· Mozilla/5.0 (compatible; Yahoo! Slurp/3.0; http://help.yahoo.com/help/us/ysearch/sl…) 英文雅虎蜘蛛
Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html) Google 蜘蛛
· msnbot/1.1 (+http://search.msn.com/msnbot.htm) 微软 Bing 蜘蛛
· Sogou+web+robot+(+http://www.sogou.com/docs/help/webmasters.htm#07) 搜狗蜘蛛
· Sosospider+(+http://help.soso.com/webspider.htm) 搜搜蜘蛛
· Mozilla/5.0 (compatible; YodaoBot/1.0; http://www.yodao.com/help/webmaster/spid…; ) 有道蜘蛛

为了抓取网上尽量多的页面，搜索引擎蜘蛛会跟踪页面上的链接，从一个页面爬到下一个页面，就好像蜘蛛在蜘蛛网上爬行那样，这也就是搜索引擎蜘蛛这个名称的由来。蜘蛛的作用就是让搜索引擎对有效链接进行搜寻，但不是允许的蜘蛛越多越好，有时会造成负面效果，蜘蛛爬虫太多，会影响服务器的运行，导致网页打开缓慢。http://www.nbseo.cc/archives/1900

延伸阅读

• 2010-12-9-- 搜索引擎蜘蛛,asp 判断是否为搜索引擎蜘蛛的代码