有没有熟悉百度站长提交sitemap的，怎么填都是抓取失败。

SuperMaster

上次看到@机长 大佬说提交sitemap有好处，我就去提交，结果怎么提交都提示抓取失败？




昨天填的是 www.xxx.com/data/sitemap.xml  ， 抓取失败后以为我的xml有问题，

今天提交的是www.xxx.com/data/sitemap.txt ， 结果还是抓取失败。日了。

url路径都是正确的，都能打开。

xml的内容是这样的：

1. <?xml version="1.0" encoding="utf-8"?>
   
2. <urlset
   
3. xmlns="http://www.sitemaps.org/schemas/sitemap/0.9"
   
4. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
   
5. xsi:schemaLocation="http://www.sitemaps.org/schemas/sitemap/0.9
   
6. http://www.sitemaps.org/schemas/sitemap/0.9/sitemap.xsd">
   
7. <url>
   
8. <loc>https://www.xxx.com/</loc>
   
9. <lastmod>2023-08-23</lastmod>
   
10. <changefreq>always</changefreq>
    
11. <priority>1</priority>
    
12. </url>
    
13. <url>
    
14. <loc>https://www.xxx.com/art/</loc>
    
15. <lastmod>2023-08-23</lastmod>
    
16. <changefreq>hourly</changefreq>
    
17. <priority>0.9</priority>
    
18. </url>
    
19. <url>
    
20. <loc>https://www.xxx.com/box/</loc>
    
21. <lastmod>2023-08-23</lastmod>
    
22. <changefreq>hourly</changefreq>
    
23. <priority>0.9</priority>
    
24. </url>

复制代码

txt的内容是这样的：

1. https://www.xxx.com/
   
2. https://www.xxx.com/art/
   
3. https://www.xxx.com/box/
   
4. https://www.xxx.com/list3/
   
5. https://www.xxx.com/list4/
   
6. https://www.xxx.com/list5/
   
7. https://www.xxx.com/list6/
   
8. https://www.xxx.com/list7/
   
9. https://www.xxx.com/list8/
   
10. https://www.xxx.com/list9/
    
11. ...

复制代码

不知道为什么百度站长平台为什么一直提示抓取失败？

SuperMaster

测试抓取发现提示是robots.txt封禁，我看了下robots.txt，果然是程序默认的robots.txt禁止抓取/data/目录，但是我修改了robots.txt，已经不再禁止抓取这个目录了，再测试仍然是抓取失败。

修改后的robots.txt如下：

kaixin1717

xml的试试

机长

用api 一条条的提交

勿埋我心

你是不是套cf了，如果是的话，就去防火墙那里加一个规则，用于放行百度蜘蛛。百度蜘蛛的请求头在那个报错页面有。

英语实在不好

是不是跟北岸有关系？

SuperMaster

勿埋我心 发表于 2023-8-24 20:04
你是不是套cf了，如果是的话，就去防火墙那里加一个规则，用于放行百度蜘蛛。百度蜘蛛的请求头在那个报错页 ...

谢谢大佬，我这就去试试。

ouou8

可能被你防火墙拦截了。
不过也很打可能是百度自己的问题，后台经常出现这个问题，见怪不怪了。
你去检测一下抓取看能否成功，不成功就提交错误要求更新。也要检测robots抓取是否成功。

SuperMaster

ouou8 发表于 2023-8-25 14:18
可能被你防火墙拦截了。
不过也很打可能是百度自己的问题，后台经常出现这个问题，见怪不怪了。
你去检测一 ...

我测了下，页面都能抓取成功，就遇到sitemap.xml 和 txt 就不行了。我刚刚也设置了CLOUDFLARE的防火墙规则允许百度蜘蛛了啊。

old_driver

百度的问题，不用管它，抓了也没用

rrw

old_driver 发表于 2023-8-25 15:23
百度的问题，不用管它，抓了也没用

懂行。。。可是 没试过的人不死心。。