# 百度蜘蛛访问了，为什么不等于百度收录？从 User-Agent、IP、状态码到真实核验

> ZenLeak 教程证据记录。页面参考来源与逐条核查依据分别列出；核查依据注明摘录、位置、关系与限制，未关联的声明不默认具有逐句证明。

- 教程 ID：`baidu-spider-identity`
- 正文：https://zenleak.cn/technical/baidu-spider-identity/
- 公开证据记录：https://zenleak.cn/evidence/#baidu-spider-identity
- 分类：技术配置
- 状态：已复核
- 首次发布：2026-09-24
- 最近更新：2026-09-24
- 最近复核：2026-09-24
- 逐条依据最近核查：2026-09-24

## 核心声明

1. 日志中出现 Baiduspider User-Agent，只能先记为百度来源候选；User-Agent、来源 IP、访问行为和官方身份核验必须分开记录。
   - 声明 ID：`baidu-spider-identity-claim-1`
   - 原文位置：https://zenleak.cn/technical/baidu-spider-identity/#baidu-spider-identity-claim-1
   - 证据（context）：https://developers.google.com/search/docs/crawling-indexing/overview-google-crawlers
     位置：Verify Googlebot；核查：2026-09-24
     摘录：Googlebot's user agent string can be spoofed by other crawlers, so you should verify that a request actually comes from Google.
     边界：官方页面直接说明 User-Agent 可被伪造并介绍 Google 的核验思路；百度的具体身份规则仍应以百度当前官方资料为准。
2. ZenLeak 2026 年 9 月 20 日的一组样本连续访问 .env、.git/config、server-status 和 key.pem 等路径，其中 8 条返回 429、1 条返回 404；这说明请求被限流或路径不存在，不证明百度已经抓取网站。
   - 声明 ID：`baidu-spider-identity-claim-2`
   - 原文位置：https://zenleak.cn/technical/baidu-spider-identity/#baidu-spider-identity-claim-2
   - 证据（first-party）：https://zenleak.cn/downloads/research/baidu-crawler-log-audit-2026-09-20.json
     位置：records 与 sampleSummary 字段；核查：2026-09-24
     摘录：连续样本包含敏感路径探测；sequentialProbe429 为 8，sequentialProbe404 为 1，identityVerifiedInThisArtifact 为 0。
     边界：公开 JSON 是脱敏样本摘录，不代表服务器全部请求；请求身份和搜索收录仍需独立核验。
3. HTTP 200 只说明指定请求取得了服务器响应，HTTP 429 只说明这次请求触发了限流或访问控制；二者都不能直接推出搜索收录或 AI 引用。
   - 声明 ID：`baidu-spider-identity-claim-3`
   - 原文位置：https://zenleak.cn/technical/baidu-spider-identity/#baidu-spider-identity-claim-3
   - 证据（context）：https://developer.mozilla.org/en-US/docs/Web/HTTP/Status/429
     位置：Status code definition；核查：2026-09-24
     摘录：The HTTP 429 Too Many Requests response status code indicates the user agent has sent too many requests in a given amount of time.
     边界：HTTP 429 的语义支持限流解释；页面响应和搜索索引、AI 引用属于不同系统状态，不能由状态码单独推出。
4. 要判断真实搜索蜘蛛，应保存 Host、时间、路径、状态、IP 与 User-Agent，按平台规则做反向和正向 DNS 核验，并把已知人工测试、待核验和已核验请求分开。
   - 声明 ID：`baidu-spider-identity-claim-4`
   - 原文位置：https://zenleak.cn/technical/baidu-spider-identity/#baidu-spider-identity-claim-4
   - 证据（first-party）：https://zenleak.cn/technical/baidu-spider-identity/
     位置：真实百度蜘蛛应该怎样核验、后台应该怎样保存这类数据；核查：2026-09-24
     摘录：文章将原始字段、平台规则、反向 DNS、正向确认、请求行为和核验时间列为可复测步骤。
     边界：这是 ZenLeak 的日志审计与编辑记录方法；具体百度身份核验仍需遵循百度当前官方规则，不能用本文字段替代平台认证。

## 参考来源

- [百度搜索资源平台 · 搜索蜘蛛相关说明](https://ziyuan.baidu.com/wiki/) — 百度搜索资源平台
- [普通收录](https://ziyuan.baidu.com/linksubmit/index) — 百度搜索资源平台
- [Google crawlers overview](https://developers.google.com/search/docs/crawling-indexing/overview-google-crawlers) — Google Search Central
- [HTTP 429 Too Many Requests](https://developer.mozilla.org/en-US/docs/Web/HTTP/Status/429) — MDN Web Docs
- [百度蜘蛛候选请求日志脱敏复核](https://zenleak.cn/downloads/research/baidu-crawler-log-audit-2026-09-20.json) — ZenLeak 实验室
- [机器入口响应检查：4 类 User-Agent × 4 个公开路径](https://zenleak.cn/experiments/records/machine-entry-consistency-2026-09-17/) — ZenLeak 实验室

## 前置阅读

- [AI 爬虫治理：分开管理搜索索引、答案代理与模型训练](https://zenleak.cn/technical/ai-crawler-governance/)
- [抓取、渲染、归一与索引：页面不可见问题的完整诊断链](https://zenleak.cn/technical/crawl-render-index/)
- [百度已经收录，为什么 AI 仍然不引用？从抓取、索引到答案引用的完整链路](https://zenleak.cn/technical/indexing-vs-ai-citation/)

## 关联阅读

- [AI 爬虫治理：分开管理搜索索引、答案代理与模型训练](https://zenleak.cn/technical/ai-crawler-governance/)
- [抓取、渲染、归一与索引：页面不可见问题的完整诊断链](https://zenleak.cn/technical/crawl-render-index/)
- [百度已经收录，为什么 AI 仍然不引用？从抓取、索引到答案引用的完整链路](https://zenleak.cn/technical/indexing-vs-ai-citation/)
- [GEO 实验如何区分被发现、被收录与被 AI 引用：ZenLeak Day 3 复测记录](https://zenleak.cn/content/geo-discovery-vs-citation/)
- [搜索引擎收录很少时，如何正确做 GEO 引用测试？](https://zenleak.cn/content/geo-citation-testing-before-indexed/)

## 使用边界

公开证据记录用于降低理解和核查成本，不保证搜索排名、收录、AI 引用、推荐或采用。发现问题请联系 geo@allintwo.cloud。