通过HTTP状态代码看搜索引擎怎么Crawl你的站[转]

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。