通过Nginx日志分析百度蜘蛛的爬行情况

做网站SEO优化的朋友会特别关注蜘蛛爬行的次数、频率等，而做好网站优化的第一步就是首先让蜘蛛爬虫经常来网站进行光顾，如果蜘蛛爬行出现异常怎么办？下面将结合Linux系统中的几个Linux命令，如cat命令\grep命令\awk命令等可以清楚的知道蜘蛛的爬行情况。

下面我们针对ng­inx服务器进行分析，日志文件所在目录：/usr/local/nginx/logs/access.log，access.log这个文件记录的应该是最近一天的日志情况，首先请看看日志大小，如果很大(超过50MB)建议别用这些命令分析，因为这些命令很消耗CPU，或者更新下来分析，以免影响网站的速度。

Shell命令

1、百度蜘蛛爬行的次数

cat access.log | grep Baiduspider | wc

2、百度蜘蛛的详细记录 (Ctrl C可以终止)

cat access.log | grep Baiduspider

也可以用下面的命令：

cat access.log | grep Baiduspider | tail -n 10
cat access.log | grep Baiduspider | head -n 10

只看最后10条或最前10条，就能知道这个日志文件的开始记录的时间和日期。

3、百度蜘蛛抓取首页的详细记录

cat access.log | grep Baiduspider | grep "GET / HTTP"

百度蜘蛛好像对首页非常热爱，经常会来光顾，而谷歌和雅虎蜘蛛更喜欢内页。

4、百度蜘蛛派性记录时间点分布

cat access.log | grep "Baiduspider" | awk '{print $4}'

5、百度蜘蛛爬行页面按次数降序列表

cat access.log | grep "Baiduspider" | awk '{print $7}' | sort | uniq -c | sort -r

文中的Baiduspider改成其它蜘蛛名称，例如改成Googlebot就可以查看谷歌的数据，我们主要以百度蜘蛛的爬行日志为主。