幾個(gè)主流搜索引擎蜘蛛的名稱

　　搜索引擎蜘蛛是搜索引擎的一個(gè)自動(dòng)程序。它的作用是訪問互聯(lián)網(wǎng)上的網(wǎng)頁，建立索引數(shù)據(jù)庫，使用戶能在搜索引擎中搜索到你網(wǎng)站的網(wǎng)頁。每個(gè)搜索引擎的蜘蛛名字都是不一樣的，接下來小編為你介紹國內(nèi)幾個(gè)主流搜索引擎蜘蛛的名稱。

　　1.Google蜘蛛名稱

　　1）Googlebot：從Google的網(wǎng)站索引和新聞索引中抓取網(wǎng)頁

　　2）Googlebot-Mobile針對(duì)Google的移動(dòng)索引抓取網(wǎng)頁

　　3）Googlebot-Image：針對(duì)Google的圖片索引抓取網(wǎng)頁

　　4）Mediapartners-Google：抓取網(wǎng)頁確定AdSense的內(nèi)容。只有在你的網(wǎng)站上展示AdSense廣告的情況下，Google才會(huì)使用此漫游器來抓取您的網(wǎng)站。

　　5）Adsbot-Google：抓取網(wǎng)頁來衡量AdWords目標(biāo)網(wǎng)頁的質(zhì)量。只有在你使用GoogleAdWords為你的網(wǎng)站做廣告的情況下，Google才會(huì)使用此漫游器。

　　2.百度蜘蛛名稱：

　　Baiduspider首字母B大寫，其余為小寫

　　3.雅虎（Yahoo!）蜘蛛名稱：

　　1）Yahoo!搜索蜘蛛名稱：Yahoo!Slurp.

　　2）Yahoo!搜索引擎廣告蜘蛛：Yahoo!-AdCrawler.用來抓取Yahoo!搜索引擎廣告登陸頁網(wǎng)頁

　　4.有道蜘蛛名稱：

　　YodaoBot

　　5.騰訊搜搜soso蜘蛛名稱：

　　Sosospider首字母S大寫，其余為小寫

　　6.搜狗（sogou）蜘蛛名稱：

　　sogouspider

　　7.Live蜘蛛名稱

　　1）MSNBot：Mainwebcrawler（www.live.com）

　　2）MSNBot-Media：Images&allothermedia（images.live.com）

　　3）MSNBot-NewsBlogs：Newsandblogs（search.live.com/news）

　　4）MSNBot-Products：Products&shopping（products.live.com）

　　5）MSNBot-Academic：Academicsearch（academic.live.com）

　　拓展閱讀：搜索引擎蜘蛛抓取網(wǎng)頁規(guī)則分析　　一、爬蟲框架

　　我們可以將網(wǎng)頁當(dāng)作是蜘蛛的晚餐，晚餐包括：

　　已下載的網(wǎng)頁。已經(jīng)被蜘蛛抓取到的網(wǎng)頁內(nèi)容，放在肚子里了。

　　已過期網(wǎng)頁。蜘蛛每次抓取的'網(wǎng)頁很多，有一些已經(jīng)壞在肚子里了。

　　待下載網(wǎng)頁�？吹搅耸澄�，蜘蛛就要去抓取它。

　　可知網(wǎng)頁。還沒被下載和發(fā)現(xiàn)，但蜘蛛能夠感覺到他們，早晚會(huì)去抓取它。

　　不可知網(wǎng)頁。互聯(lián)網(wǎng)太大，很多頁面蜘蛛無法發(fā)現(xiàn)，可能永遠(yuǎn)也找不到，這部份占比很高。

　　通過以上劃分，我們可以很清楚的理解搜索引擎蜘蛛的工作及面臨的挑戰(zhàn)。大多數(shù)蜘蛛是按照這樣的框架去爬行。但也不完全一定，凡事總有特殊，根據(jù)職能的不同，蜘蛛系統(tǒng)存在一些差異。

　　二、爬蟲類型

　　1、批量型蜘蛛。

　　這類蜘蛛有明確的抓取范圍和目標(biāo)，當(dāng)蜘蛛完成目標(biāo)和任務(wù)后就停止抓取。具體目標(biāo)是什么?可能是抓取網(wǎng)頁數(shù)量，網(wǎng)頁大小，抓取時(shí)間等。

　　2、增量型蜘蛛

　　這類蜘蛛和批量型蜘蛛不同，他們會(huì)持續(xù)不斷的抓取，對(duì)于抓取到的網(wǎng)頁會(huì)定期抓取更新。因?yàn)榛ヂ?lián)網(wǎng)中的網(wǎng)頁是隨時(shí)處于更新狀態(tài)中，增量型蜘蛛需要能夠反映出這種更新。

　　3、垂直性蜘蛛

　　這種蜘蛛只關(guān)注特定主題或者特定的行業(yè)網(wǎng)頁。以健康網(wǎng)站為例子，這類專門的蜘蛛會(huì)只抓取健康相關(guān)主題，其它主題內(nèi)容的網(wǎng)頁則不抓取。考驗(yàn)這只蜘蛛的難點(diǎn)是如何去更精準(zhǔn)的識(shí)別內(nèi)容所屬于行業(yè)。目前來看，很多垂直類行業(yè)網(wǎng)站是需要這種蜘蛛去抓取的。

　　三、抓取策略

　　蜘蛛通過種子URL進(jìn)行爬行拓展，列出大量待抓取URL。但是待抓取URL數(shù)量龐大，蜘蛛如何確定抓取順序先后呢?蜘蛛抓取的策略有很多種，但最終目的是一個(gè)：優(yōu)先抓取重要的網(wǎng)頁。評(píng)價(jià)頁面是否重要，蜘蛛會(huì)根據(jù)頁面內(nèi)容原創(chuàng)程度，鏈接權(quán)重分析等眾多方式來進(jìn)行計(jì)算。比較有代表性的抓取策略如下：

　　1、寬度優(yōu)先策略

　　寬度優(yōu)先是指：蜘蛛在抓取一個(gè)網(wǎng)頁后，繼續(xù)將該網(wǎng)頁所包含的其它頁面按順序進(jìn)行進(jìn)一步抓取。這種思想看似簡(jiǎn)單，其實(shí)卻很實(shí)用。因?yàn)榇蠖鄶?shù)網(wǎng)頁都是按優(yōu)先級(jí)進(jìn)行排序，重要的頁面會(huì)優(yōu)先在頁面上進(jìn)行推薦。

　　2、PageRank策略

　　PageRank是一種非常著名的鏈接分析方法，主要是用來衡量網(wǎng)頁權(quán)重。如谷歌的PR，就是典型的PageRank算法。通過PageRank算法我們可以找出哪些頁面是更重要的，然后蜘蛛優(yōu)先去抓取這些重要性的頁面。

　　3、大站優(yōu)先策略

　　這個(gè)很容易理解，大網(wǎng)站通常擁有更多的`內(nèi)容頁面，并且質(zhì)量也會(huì)更高。蜘蛛會(huì)先分析網(wǎng)站歸類與屬性。如果這個(gè)網(wǎng)站已經(jīng)收錄很多，或者在搜索引擎系統(tǒng)中權(quán)重很高，則優(yōu)先考慮收錄。

　　四、網(wǎng)頁更新

　　互聯(lián)網(wǎng)中的頁面大多會(huì)保持更新，這樣就要求蜘蛛所存儲(chǔ)的頁面也能及時(shí)更新，保持一致性。打個(gè)比喻：一個(gè)網(wǎng)頁之前排名很好，如果頁面已經(jīng)被刪，卻還有排名，那體驗(yàn)就很不好。因此搜索引擎需要隨時(shí)了解這些并更新頁面，將最新的頁面提供給用戶。常用的網(wǎng)頁更新策略在三種：歷史參考策略，用戶體驗(yàn)策略。聚類抽樣策略。

　　1、歷史參考策略

　　這是建立在一種假設(shè)基礎(chǔ)上的更新策略。比如，若你的網(wǎng)頁之前按規(guī)律一直更新，那搜索引擎也認(rèn)為你的頁面將來也會(huì)經(jīng)常更新，蜘蛛也會(huì)按這個(gè)規(guī)律定期來網(wǎng)站進(jìn)行抓取網(wǎng)頁。這也是為什么點(diǎn)水一直強(qiáng)調(diào)網(wǎng)站內(nèi)容需要有規(guī)律更新的原因。

　　2、用戶體驗(yàn)策略

　　一般來說，用戶只會(huì)查看搜索結(jié)果前三頁的內(nèi)容，后面的頁面很少有人去看。用戶體驗(yàn)策略就是搜索引擎根據(jù)用戶的這個(gè)特點(diǎn)來進(jìn)行更新。例如，一個(gè)網(wǎng)頁可能發(fā)布時(shí)間較早，一段時(shí)間沒更新，但是用戶依然覺得有用，點(diǎn)擊瀏覽它，那么搜索引擎先不去更新這些過時(shí)的網(wǎng)頁也是可以的。這就是為什么搜索結(jié)果中，并不一定最新的頁面排名一定靠前的原因。排名更多的是取決于這個(gè)頁面的質(zhì)量，而完全不是更新時(shí)間先后。

　　3、聚類抽樣策略

　　上兩種更新策略主要是參考了網(wǎng)頁的歷史信息。但存儲(chǔ)大量歷史信息對(duì)搜索引擎來說是一種負(fù)擔(dān)，另外如果收錄的是新網(wǎng)頁則是沒有歷史信息可以參考的，那怎么辦?聚類抽樣策略是指：根據(jù)網(wǎng)頁所展現(xiàn)出來的一些屬性，來將很多相似網(wǎng)頁進(jìn)行歸類，被歸類的頁面按照相同的規(guī)律去進(jìn)行更新。

　　從了解搜索引擎蜘蛛工作原理的過程中，我們會(huì)知道：網(wǎng)站內(nèi)容之間的相關(guān)性，網(wǎng)站與網(wǎng)頁內(nèi)容更新規(guī)律，網(wǎng)頁上鏈接分布以及網(wǎng)站權(quán)重高低等因素都會(huì)影響到蜘蛛的抓取效率。知已知彼，讓蜘蛛來得更猛烈些吧！