php - Bagaimana untuk mengklasifikasikan ips dalam fail log dalam python

Question

Alamat IP telah diekstrak dan dinyahduplikasi melalui Python.
Adakah terdapat sebarang cara untuk mengklasifikasikan alamat IP yang diekstrak ini, seperti [Baidu], [Google], [Sogou], [360], [ Lain-lain】< br>Apakah kategori ini?
Ketahui secara kasar kumpulan alamat IP bagi enjin carian ini

Cara melaksanakan klasifikasi

Answer 1

Berikut dipetik daripada penerangan pautan

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.*

Answer 2

Bina semula tatasusunan menggunakan IP sebagai kunci. Tidak mengapa