5条Linux命令分析搜索引擎蜘蛛的爬行行为

转自落伍者论坛
百度和google是站长们的衣食父母，而做好搜索引擎优化的第一步就是蜘蛛的抓取，以下5条简单的Linux命令可以让你清楚的了解蜘蛛的爬行情况做到有的放矢。
请首先看看日志文件的大小，如果特别大的话（比如：超过50MB）建议不要用这些命令分析，因为这些命令较消耗CPU，或者抓下来放到分析机上执行，以免影响网站的速度。如果是Dreamhost等共享主机的话，分析大日志很消耗CPU，进程很容易被Kill掉。
这些命令都是Linux下的shell命令，在Windows主机下无法执行。
一 百度蜘蛛爬行的次数
cat access.log.2009-04-18 | grep Baiduspider+ | wc
这代表百度蜘蛛一共爬行了173次
二 百度蜘蛛的详细记录（如果记录很长不想看了可以Ctrl+C终止）
cat access.log.2009-04-18 | grep Baiduspider+
你也可以用如下命令：
cat access.log.2009-04-18 | grep Baiduspider+ | tail -n 100
cat access.log.2009-04-18 | grep Baiduspider+ | head -n 100
只看最后100条或者最前100条
三 百度蜘蛛抓取首页的详细记录
cat access.log.2009-04-18 | grep Baiduspider+ | grep "GET / HTTP"
初步研究发现，百度蜘蛛对首页非常热爱，24小时每小时都要看我的某个新站的首页，而googe和yahoo蜘蛛更喜欢内页，一天中各自只看了2次首页。不知道是真的有这个规律还是只是我的小站这样。
四 Baidu蜘蛛派性记录时间点分布
cat access.log.2009-04-18 | grep "Baiduspider+" | awk '{print $4}'
五 Baidu蜘蛛爬行页面按次数降序列表
cat access.log.2009-04-18 | grep "Baiduspider+" | awk '{print $7}' | sort | uniq -c | sort -r
本文中的每条命令把Baiduspider+改成Googlebot都可以查看Google的对应的数据。
附：（Mediapartners-Google）Google adsense蜘蛛的详细爬行记录
cat access.log.2009-04-18 | grep Mediapartners
Mediapartners-Google是什么？Google adsense广告之所以能与内容相关，就是因为每个包含着adsense的广告被访问后，几秒钟内就有一个Mediapartners-Google蜘蛛来到这个页面，所以几分钟后再刷新就能显示相关性广告了。