github 不准 baidu 爬取 难道这就是 baidu 比 google 菜的原因 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
cy97cool
V2EX    GitHub

github 不准 baidu 爬取 难道这就是 baidu 比 google 菜的原因

  •  
  •   cy97cool 2017-11-07 12:56:00 +08:00 via Android 3576 次点击
    这是一个创建于 2969 天前的主题,其中的信息可能已经有所发展或是发生改变。
    https://github.com/robots.txt

    翻到最下面,github 对没有列出的其他搜索引擎的 bot(包括百度)直接 Disallow: / 了

    难道这就是 baidu 比不上 google 的原因?
    11 条回复    2017-11-07 15:40:58 +08:00
    chenwenup
        1
    chenwenup  
       2017-11-07 12:59:08 +08:00   1
    这是 baidu 比不上 google 的表现吧,并不是原因。
    cy97cool
        2
    cy97cool  
    OP
       2017-11-07 13:01:53 +08:00 via Android
    @chenwenup 但反过来说 爬不了 github 的项目信息,用户想搜个 github 上的项目搜不到,自然更加比不上咯
    coolcoffee
        3
    coolcoffee  
       2017-11-07 13:03:35 +08:00   2
    stackoverflow 没有禁止百度, 百度依然比较难检索, 可能是爬虫在墙内,爬墙外比较慢, 然后为了用户体验就把它 KO 了
    oott123
        4
    oott123  
       2017-11-07 13:05:13 +08:00   2
    archive.org 看,github 曾经允许过百度爬取。

    https://web.archive.org/web/20150217105548/https://github.com/robots.txt
    https://web.archive.org/web/20150218110340/https://github.com/robots.txt

    github 在 2015 年 2 月 18 日移除了对百度蜘蛛的允许,我一开始觉得可能是和 GFW 大炮有关,后来查了一些 wiki 发现这个比 GFW 大炮还早,不知道是什么原因了。

    可能是 12306 抢票事件?
    MrSoda
        5
    MrSoda  
       2017-11-07 13:08:15 +08:00   3
    当年 DDOS github 的时候就是劫持的 baidu 的流量,应该是这个原因吧
    jjianwen68
        6
    jjianwen68  
       2017-11-07 13:10:58 +08:00
    加这个 bot 是不是要给 github 钱?
    Ellison
        7
    Ellison  
       2017-11-07 13:35:54 +08:00
    Disallow?说的好像百度遵守 robots 协议一样
    f2f2f
        8
    f2f2f  
       2017-11-07 13:37:33 +08:00
    @coolcoffee 说得百毒上那么多收录的 H 站都是在国内的服务器咯?
    Antidictator
        9
    Antidictator  
       2017-11-07 13:41:06 +08:00
    @Ellison #7 #7 2333333
    bearqq
        10
    bearqq  
       2017-11-07 15:38:47 +08:00 via Android
    我在百度搜到过 tumblr,下面一行红字,大意是该网站访问不稳定
    est
        11
    est  
       2017-11-07 15:40:58 +08:00   1
    @oott123 反过来是好事

    国内很多舆情系统是基于 baidu 的数据,如果 baidu 把 github 给爬了不知道多少 编程思考 之类的 blog 会被检索到,然后瞬间被封。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1027 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 27ms UTC 18:58 PVG 02:58 LAX 10:58 JFK 13:58
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86