百度蜘蛛是大数据时代的重要角***，发挥着重大的作用。百度蜘蛛在从首页登陆后抓取首页后调度会计算其中所有的连接，返回给百度蜘蛛进行下一步的抓取连接列表，百度蜘蛛再进行下一步的抓取，通过百度蜘蛛下载回来的网页放到补充数据区，通过各种程序计算过后才放到检索区，才会形成稳定的排名。

但是，通往成功的路上总是布满荆棘，目标网站总是设置各种限制来阻止百度蜘蛛的正常工作。那么，目标网站一般是通过哪些方式来限制百度蜘蛛呢，百度蜘蛛又该如何突破这些限制呢？

网站优化外包注意很多网站，可以先用代理ip+ua（ua库随机提取）访问，之后会返回来一个cookie，那ip+ua+cookie就是一一对应的，然后用这个ip、ua和cookie去采集网站，同时能带上Referer，这样效果会比较好。

有些网站反爬取的措施应该比较强的。访问之后每次清除缓存，这样能有效规避部分网站的检测；但是有些网站更严格的判断，如果都是新链接从ip发出，也会被判定拒绝（直接403拒绝访问），因此有些百度蜘蛛客户会去分析网站的cookies缓存内容，然后进行修改。

浏览器的标识（User-Agent）也很重要，用户都是一种浏览器，也是容易判断作弊，要构造不同的浏览器标识，否则容易被判定百度蜘蛛。用代理访问之后，浏览器标识需要修改，建议浏览器用phantomjs框架，这个可以模拟其他浏览器的标示（需要标示库的话，可以通过API接口实现各种浏览器的采集模拟。

加密：网站的请求如果加密过，那就看不清请求的本来面目，这时候只能靠猜测，通常加密会采用简单的编码，如：base64、urlEncode等，如果过于复杂，只能穷尽的去尝试。

本地IP限制：很多网站，会对百度蜘蛛ip进行限制，这时候要么使用代理IP，要么伪装ip。