cnzz统计不准！流量包含了百度蜘蛛的访问量

前段时间发现流量有点异常，于是查看了访问明细，发现某些IP段有异常，例如出现很多123.125.71.*这种IP，而这种IP有个共同的特点，就是都是直接访问网页，并且只访问一页，地点都是北京市。

访问明细

访问明细（点击上图放大）

通过日志检查访问异常

我后来打开日志检查，发现一个比较奇怪的现象，那就是日志里这样的每个IP只有访问网页文件的记录，而没有访问css、js和图片等其他文件的记录，这完全不同正常的访客打开一张网页的日志。

异常的访问日志

异常的访问日志（点击上图放大）

123.125.71.106这个IP只访问了default.html这个文件。

正常的访客访问网页时，日志里不但记录了网页的访问记录，还记录了网页里关联的图片、js、css等文件的访问记录。

正常的访问日志

正常的访问日志（点击上图放大）

218.22.69.142这个IP不但访问了default.html这个文件，还访问了css、js和图片文件。

我再看看异常的日志记录，发现了“Baiduspider”的字样，这显然是百度蜘蛛抓取网页的记录。

百度蜘蛛访问记录

百度蜘蛛访问记录（点击上图放大）

我再查询这个IP的地址，确实显示是百度蜘蛛的IP。

IP地址查询

至此，就明白为什么流量异常了，原来是CNZZ把百度蜘蛛的抓取也算入了流量。

网站流量需要减去百度蜘蛛的访问量

通过跟踪，发现百度蜘蛛使用的浏览器是火狐浏览器。

百度蜘蛛使用的浏览器是火狐浏览器

百度蜘蛛使用的浏览器是火狐浏览器（点击图片放大）

所以，可以在“终端详情”-“浏览器”那里减去一部分火狐浏览器的访问量（只能是大概），从而知道网站的真正访问量。

火狐浏览器的访问量

CNZZ统计可以过滤百度蜘蛛IP

针对此问题，据官方的意见，是叫用户在CNZZ设置里过滤百度的蜘蛛IP，这样就不会把百度蜘蛛的访问量也统计进来了。不过，百度蜘蛛IP有哪些呢？我想很多人都不知道吧，这个方法貌似不太可行。为此，我搜查了百度的一些蜘蛛IP，以下是常见的百度蜘蛛IP（来自互联网，仅供参考）：

123.125.68.*这个蜘蛛经常来,别的来的少,表示网站可能要进入沙盒了，或被者降权。
220.181.68.*每天这个IP 段只增不减很有可能进沙盒或K站。
220.181.7.*、123.125.66.* 代表百度蜘蛛IP造访，准备抓取你东西。
121.14.89.*这个ip段作为度过新站考察期。
203.208.60.*这个ip段出现在新站及站点有不正常现象后。
210.72.225.*这个ip段不间断巡逻各站。
125.90.88.* 广东茂名市电信也属于百度蜘蛛IP 主要造成成分，是新上线站较多，还有使用过站长工具，或SEO综合检测造成的。
220.181.108.95这个是百度抓取首页的专用IP，如是220.181.108段的话，基本来说你的网站会天天隔夜快照，绝对错不了的，我保证。
220.181.108.92 同上98%抓取首页，可能还会抓取其他 (不是指内页)220.181段属于权重IP段此段爬过的文章或首页基本24小时放出来。
123.125.71.106 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因不是原创或采集文章。
220.181.108.91属于综合的，主要抓取首页和内页或其他，属于权重IP 段，爬过的文章或首页基本24小时放出来。
220.181.108.75重点抓取更新文章的内页达到90%，8%抓取首页，2%其他。权重IP 段，爬过的文章或首页基本24小时放出来。
220.181.108.86专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
123.125.71.95 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因不是原创或采集文章。
123.125.71.97 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因不是原创或采集文章。
220.181.108.89专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.94专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.97专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.80专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。
220.181.108.77 专用抓首页IP 权重段，一般返回代码是304 0 0 代表未更新。
123.125.71.117 抓取内页收录的，权重较低，爬过此段的内页文章不会很快放出来，因不是原创或采集文章。
220.181.108.83专用抓取首页IP 权重段，一般返回代码是304 0 0 代表未更新。

据网友介绍，以上IP尾数还有很多，但段位一样的123.125.71.*段IP 代表抓取内页收录的权重比较低，可能由于你采集文章或拼文章暂时被收录但不放出来(意思也就是说待定)。
220.181.108.*段IP主要是抓取首页占80%，内页占30%，这此爬过的文章或首页，24小时内放出来和隔夜快照的。
一般成功抓取返回代码都是 200 0 0返回304 0 0代表网站没更新，蜘蛛来过，如果是 200 0 64别担心这不是K站，可能是网站是动态的，所以返回就是这个代码。

您可能对如下文章也感兴趣

小心！51la统计代码noscript标签出现外链

CNZZ新版功能强大但访问明细用户体验仍不及51la

CNZZ统计来路域名和来路页面问题凸显

我为什么不再使用百度统计