日志分析与百度蜘蛛代码与优化应该是关系是紧密的部分。因为日志记录了很详细的过程。比如:220.181.7.43 – – [22/May/2010:00:38:36 +0800] “GET /Forum/view/id-4 HTTP/1.1” 200 5564 “-” “Baiduspider+(+http://www.baidu.com/search/spider.htm)”这是百度爬行一个站点的记录。从这里,我们可以看到。

百度蜘蛛是从220.181.7.43来的,时间为22/May/2010:00:38:36 +0800,爬行的页面是/Forum/view/id-4,其代码200 5564则是百度要告诉的信息:200 正常;请求已完成。其后的5564可能要问百度。因为有些东西还是没公开。如果能知道这其中所有的含义,就可以根据含义,自己做出优化,而这优化可能 是最好的优化:

从网上看到的百度baidu蜘蛛爬行后返回代码代表的具体含义:
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。