爬虫日志分析：移动端与桌面端怎样检查差异 - 用User-Agent分组对比抓取行为

📍 WDQWDWQD987AAAAA:216.73.216.175
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /8af42a00bfe9.html
📄

爬虫日志分析：移动端与桌面端怎样检查差异 - 用User-Agent分组对比抓取行为

检查移动端与桌面端差异，核心做法是按 User-Agent 把日志分成两组，再对比同一批 URL 的抓取频次、状态码和抓取耗时。常见误解是“日志里移动端记录少，就说明移动端有问题”。实际上，搜索引擎的移动爬虫和桌面爬虫抓取节奏本来就可能不同，记录少不等于抓取失败，必须结合状态码和请求目标一起判断。

先分清两类爬虫标识，再谈差异

日志中的 User-Agent 是分组的起点。常见标识包括含 Mobile、Android、iPhone 的移动爬虫，以及不含这些字段的桌面爬虫。不同搜索引擎的命名方式不同，需要分别核查，不能拿一家的规则套另一家。

分组时注意两点：

如果分组本身错了，后面的对比就全部失真。所以第一步是把日志按 UA 归类，统计各组的请求总量，确认样本量足够再进入下一步。

对比时重点看三列，而不是总请求数

移动端和桌面端请求总数不同，通常不代表故障。真正需要对比的是同一批 URL 在两端的表现：

  1. 状态码分布：如果移动端某 URL 大量返回 404 或 500，而桌面端正常，说明移动端可能被单独拦截或渲染失败。
  2. 抓取频次：同一 URL 桌面端每天抓 10 次、移动端几天才抓 1 次，可能只是抓取预算分配差异，不一定是问题。
  3. 响应耗时：移动端平均耗时明显高于桌面端，可能是服务端对移动 UA 返回了不同内容或走了不同链路。

判断结果时要设条件：只有当移动端出现持续的高比例错误状态码，或同一 URL 在移动端长期无法抓取时，才值得进一步排查。单纯频次低，先观察一到两周再下结论。

一个可执行的检查步骤

假设你已有一份包含 UA、URL、状态码、时间戳的日志，按下面顺序操作：

  1. 用脚本或表格工具，把 UA 中含移动标识的行单独筛出，标记为“移动组”，其余标记为“桌面组”。
  2. 按 URL 聚合，分别统计两组的请求次数和状态码分布。
  3. 找出“桌面组状态码正常、移动组状态码异常”的 URL 列表。
  4. 对这些 URL 用移动 UA 手动请求一次，确认返回内容是否与桌面端一致。

如果手动请求正常，但日志里移动端持续报错，可能是爬虫 IP 被限流或 CDN 规则误伤；如果手动请求也异常，问题出在服务端对移动 UA 的处理逻辑上。

容易踩的三个坑

坑一：把 robots.txt 限制当成索引移除。 如果 robots.txt 对移动爬虫做了限制，日志里移动端记录会减少，但这不等于页面已从索引中移除。robots.txt 只控制抓取，不控制索引。

坑二：用站点地图判断抓取状态。 站点地图里列出了 URL，不代表移动爬虫一定会抓。日志才是抓取行为的直接记录。

坑三：忽略 HTTPS 与状态码的关系。 HTTPS 不保证页面无漏洞，也不保证移动端一定返回 200。证书配置问题可能导致移动端请求失败，需要单独检查。

下一步建议：先导出最近 7 天日志，按 UA 分成移动组和桌面组，统计两组的 4xx、5xx 占比。如果移动组错误率显著高于桌面组，再对异常 URL 逐条手动验证。

图1 图2
nginx