透過python已經把ip位址提取出來去重了,有沒有辦法把這些提取出來的ip進行分類,如分為【百度】、【谷歌】、【搜狗】、【360】、【其他】這幾類呢? 大致知道這幾個搜尋引擎的ip位址群
如何實現分類
光阴似箭催人老,日月如移越少年。
以下摘抄自; 連結描述
百度蜘蛛IP地址 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。(悲剧的我竟然屏蔽了这个IP) 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。(嗯,还有这个也屏蔽了,晕死了!) 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。(这个也有,汗!) 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。(这个,……!) 220.181.108.86专用抓取首页IP权重段,一般返回代码是30400代表未更新。(还有这个……) 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30400代表未更新。(好吧,220开头的好像都被我屏蔽了,下手真心有点儿太狠了!) 220.181.108.94专用抓取首页IP权重段,一般返回代码是30400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30400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30400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30400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,因不是原创或是采集文章。 注: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.。 220.181.108.83专用抓取首页IP权重段,一般返回代码是30400代表未更新。 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,绝对24小时内放出来和隔夜快照的! 一般成功抓取返回代码都200,返回304代表网站没更新。 Google蜘蛛IP地址 216.239.33.* 216.239.35.* 216.239.37.* 216.239.39.* 216.239.51.* 216.239.53.* 216.239.55.* 216.239.57.* 216.239.59.* 64.233.161.* 64.233.189.* 66.102.11.* 66.102.7.* 66.102.9.* 66.249.64.* 66.249.65.* 66.249.66.* 66.249.71.* 66.249.72.* 72.14.207.* 谷歌蜘蛛IP段解析 202.101.43.*、222.73.247.*、66.249.65.*这三个ip段是最为常规出现的 66.249.16.*出现的站点均为新站或站点出现无法访问情况后再次出现的ip段 210.72.225.*这个ip段不间断巡逻各站 203.208.60.*这个ip段出现在新站及站点有不正常现象后 360蜘蛛IP段 101.226.166.*(101.226.166.195~101.226.166.254,共60个) 101.226.167.*(101.226.167.195~101.226.167.254,共60个) 101.226.168.*(101.226.168.195~101.226.168.254,共60个) 101.226.169.*(101.226.169.195~101.226.169.230,共36个) 180.153.236.*(180.153.236.11~26;180.153.236.35~180.153.236.74;180.153.236.101~180.153.236.196,共152个) 182.118.20.*(182.118.20.201~182.118.20.254,共39个) 182.118.21.*(182.118.21.201~182.118.21.*254,共54个) 182.118.22.*(182.118.22.141~182.118.22.149;182.118.22.211~182.118.22.250,共64个) 182.118.25.*(182.118.25.131~182.118.25.245;) 182.118.28.* 61.55.185.* 101.199.*.* 220.181.126.* 182.118.26.110~182.118.26.239(时效性UAIP段,主要针对网站内容更新的爬取) 360蜘蛛IP段解析 220.181.126.*、101.199.*.*据说为360举报IP。也就是说,假如你的网站日志出现这个IP段,你的网站被举报了。如果是违法站,那就自求多福吧。 搜狗蜘蛛IP段 123.126.113.79-123.126.113.191 220.181.89.190 220.181.89.189 218.30.103.155 61.135.189.75 220.181.94.228 61.135.189.74 220.181.89.157 220.181.89.165 220.181.89.183 220.181.89.194 218.30.103.80 神马蜘蛛IP段 42.156.136.*-42.156.139.* 42.120.160.*42.120.161.* 其他蜘蛛IP段 163搜索引擎蜘蛛IP地址大全 202.106.186.* 202.108.36.* 202.108.44.* 202.108.45.* 202.108.5.* 202.108.9.* 220.181.12.* 220.181.13.* 220.181.14.* 220.181.15.* 220.181.28.* 220.181.31.* 222.185.245.* iask搜索引擎蜘蛛IP地址大全 61.135.152.* msn搜索引擎蜘蛛IP地址大全 65.54.188.* 65.54.225.* 65.54.226.* 65.54.228.* 65.54.229.* 207.46.98.* 207.68.157.* 搜搜蜘蛛IP地址 219.133.40.* 202.96.170.* 202.104.129.* 61.135.157.* 新浪搜索引擎蜘蛛IP地址 219.142.118.* 219.142.78.* 搜狐搜索引擎蜘蛛IP地址 61.135.132.* 220.181.26.* 220.181.19.* Yahoo搜索引擎蜘蛛IP地址 66.196.90.* 66.196.91.* 68.142.249.* 68.142.250.* 68.142.251.* 72.30.101.* 72.30.102.* 72.30.103.* 72.30.104.* 72.30.107.* 72.30.110.* 72.30.111.* 72.30.128.* 72.30.129.* 72.30.131.* 72.30.133.* 72.30.134.* 72.30.135.* 72.30.216.* 72.30.226.* 72.30.252.* 72.30.97.* 72.30.98.* 72.30.99.* 74.6.74.* Yahoo中国搜索引擎蜘蛛IP地址 202.165.102.* 202.160.178.* 202.160.179.* 202.160.180.* 202.160.181.* 202.160.183.* 中搜蜘搜索引擎蜘蛛IP地址 202.108.4.* 202.108.4.* 202.108.33.* 202.96.51.* 219.142.53.*
用ip做key把陣列重構。這樣就好了吧
以下摘抄自; 連結描述
用ip做key把陣列重構。這樣就好了吧