通过HTTP状态代码看搜索引擎怎么Crawl你的站
Wed 01 June 2005
通过HTTP状态代码通通透透看搜索引擎怎么Crawl你的站。
下面的表格是所有 HTTP 状态代码及其定义。
代码 指示
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。 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。
::: {#article} 比如说：
2004-12-03 07:33:25 61.135.145.208 - \*.\*.\*.\* 80 GET /index/119.htm - 304 Baiduspider+(+http://www.baidu.com/search/spider.htm)
这就意味着百度蜘蛛在2004-12-03 07:33:25爬过/index/119.htm这一页，它发现这页是没有更新过的。
再比如说：
2004-12-03 07:33:25 61.135.145.208 - \*.\*.\*.\* 80 GET /index/120.htm - Googlebot/2.1\(http://www.google.com/bot.html)
这就意味着Google蜘蛛在2004-12-03 07:33:25爬过/index/119.htm这一页，它发现这页是新的，并全部爬完。
相关文章
Category: 月光博客2005