怎么檢索和剖析網(wǎng)站日志文件

作為SEOer，咱們運用的林林總總的東西，以搜集林林總總的技能問題，網(wǎng)站剖析，抓取確診，百度站長東西等。所有這些東西是有用的，但都無法比擬在網(wǎng)站日志數(shù)據(jù)剖析查找引擎蜘蛛抓取，就像Googlebot到爬取您的網(wǎng)站并您的網(wǎng)站上留下了一個實在的記錄。這是網(wǎng)絡(luò)效勞器日志。日志是一個強壯的源數(shù)據(jù)常常沒有得到充分使用，但有助于堅持您的網(wǎng)站的查找引擎抓取檢查的完整性。

效勞器日志是由一個特定的效勞器進行具體記錄了每一個動作。在一個Web效勞器的情況下，你能夠得到許多有用的信息。怎么檢索和剖析日志文件，并根據(jù)您的效勞器的呼應(yīng)代碼（404，302，500等）的辨認問題。我將它分解成2個部分，每個部分突出不同的問題，能夠發(fā)現(xiàn)在您的Web效勞器日志

一、獲取日志文件

查找引擎抓取網(wǎng)站信息必會在效勞器上留下信息，這個信息就在網(wǎng)站日志文件里。咱們經(jīng)過日志能夠了解查找引擎的拜訪情況，一般經(jīng)過主機效勞商注冊日志功用，再經(jīng)過FTP拜訪網(wǎng)站的根目錄，在根目錄下能夠看到一個log或許weblog文件夾，這里邊就是日志文件，咱們把這個日志文件下載下來，用記事本(或瀏覽器)翻開就能夠看到網(wǎng)站日志的內(nèi)容。那么究竟這個日志里邊躲藏了什么玄機呢?其實日志文件就像飛機上的黑匣子。咱們能夠經(jīng)過這個日志了解許多信息，那么究竟這個日志給咱們傳遞了什么內(nèi)容呢?下面先做一個簡單的闡明。

日期：這將讓你一天查找引擎抓取速度的發(fā)展趨勢進行剖析。

被爬取文件：這將通知你哪些被抓取的目錄和文件，并在某些路段或類型的內(nèi)容能夠協(xié)助查明問題。

情況碼：（只列出常見到并能直接反正網(wǎng)站問題的情況碼）

200情況碼：懇求已成功，懇求所希望的呼應(yīng)頭或數(shù)據(jù)體將隨此呼應(yīng)回來。

302情況碼：懇求的資源現(xiàn)在暫時從不同的URI呼應(yīng)懇求。

404情況碼：懇求失利，懇求所希望得到的資源未被在效勞器上發(fā)現(xiàn)。

500情況碼：效勞器遇到了一個未曾預(yù)料的情況，導(dǎo)致了它無法完成對懇求的處理。

- - 供給了哪些網(wǎng)頁被爬蟲運轉(zhuǎn)到并反響出什么樣的問題。

從哪里來：盡管這不一定是有用的剖析查找機器人，它是非常有價值的，其他的流量剖析。

哪種爬蟲：這個會通知你哪個查找引擎爬蟲在你的網(wǎng)頁上運轉(zhuǎn)的。

二、解析網(wǎng)站日志文件

現(xiàn)在你需求一個日志剖析東西，由于假如你的網(wǎng)站有幾M或幾十M甚至百M以上的日志數(shù)據(jù)時，你不可能一條條去看。再說，就算日志數(shù)據(jù)不多，一條條看也是不科學(xué)的。

查找引擎抓取您的網(wǎng)站有最快的方法是看在正在效勞的效勞器呼應(yīng)代碼。404（找不到頁面）可能意味著抓取那寶貴的資源被浪費了；302重定向懇求的資源現(xiàn)在暫時從不同的URI呼應(yīng)懇求；500是效勞器遇到了一個未曾預(yù)料的情況，導(dǎo)致了它無法完成對懇求的處理，能夠剖分出效勞器呈現(xiàn)的問題。盡管網(wǎng)站辦理東西供給了一些信息，這樣的過錯，會給你的網(wǎng)站形成一個非常大的影響。

302呈現(xiàn)的問題數(shù)量是能夠承受的，可是不代表能夠放著不去處理，咱們應(yīng)該有更好的方法來處理這些問題，或許用一個robots.txt指令應(yīng)掃除這些頁面被抓取。

404也需求處理，找出潛在的問題是阻隔404目錄或許運用rel =”nofollow”注釋這些404鏈接。當(dāng)然404的頁面也有必要要有。

結(jié)語

百度網(wǎng)站辦理為您供給抓取過錯的信息，但在許多情況下，它們約束了數(shù)據(jù)。作為SEO的，咱們應(yīng)該使用全部可用的數(shù)據(jù)，究竟只要一個數(shù)據(jù)源，你能夠真正依托自己的源。日志不說謊！