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。

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。

作者：佚名 来源：网络

来源：月光博客