Month: March 2018
Mar 06, 2018 PHP
解析百度蜘蛛Baiduspider如何抓取网站和提高抓取频率
做SEO的小伙伴对百度搜索引擎和蜘蛛情有独钟，因为目前百度是国内PC端和移动端搜索引擎的老大，seo的小伙伴当然是希望百度蜘蛛能够更多的抓取网站，只有抓取的页面多了，才有可能获得更好的收录、排名和流量。下面就分享一下百度蜘蛛是如何从最原始的策略制定到抓取的。一、百度蜘蛛抓取规则1.1、对网站抓取的友好性 百度蜘蛛在抓取互联网上的信息时为了更多、更准确地获取信息，会制定一个规则最大限度地利用带宽和一切资源获取信息，同时也会仅最大限度降低对所抓取网站的压力。1.2、识别URL重定向 互联网信息数据量很庞大，涉及众多的链接，但是在这个过程中可能会因为各种原因导致页面链接进行重定向，在这个过程中就要求百度蜘蛛对URL重定向进行识别。1.3、百度蜘蛛抓取优先级合理使用 由于互联网信息量十分庞大，在这种情况下是无法使用一种策略规定哪些内容是要优先抓取的，这时候就要建立多种优先抓取策略，目前的策略主要有：深度优先、宽度优先、PR优先、反链优先。1.4、无法抓取数据的获取 在互联网中可能会出现各种问题导致百度蜘蛛无法抓取信息，在这种情况下百度开通了手动提交数据。1.5、对作弊信息的抓取 在抓取页面的时候经常会遇到低质量页面、买卖链接等问题，百度出台了绿萝、石榴等算法进行过滤，据说内部还有一些其他方法进行判断，这些方法没有对外透露。 上面介绍的是百度设计的一些抓取策略，内部有更多的策略咱们是不得而知的。二、百度蜘蛛抓取过程中涉及的协议 （1）、http协议：超文本传输协议 （2）、https协议:目前百度已经全网实现https，这种协议更加安全。 （3）、robots协议：这个文件是百度蜘蛛访问的第一个文件，它会告诉百度蜘蛛，哪个页面可以抓取，哪个不可以抓取。三、如何提高百度蜘蛛抓取频次 百度蜘蛛会根据一定的规则对网站进行抓取，但是也没法做到一视同仁，以下内容会对百度蜘蛛抓取频次起重要影响。 （1）、网站权重：权重越高的网站百度蜘蛛会更频繁和深度抓取 （2）、网站更新频率：更新的频率越高，百度蜘蛛来的就会越多 （3）、网站内容质量：网站内容原创多、质量高、能解决用户问题的，百度会提高抓取频次。 （4）、导入链接：链接是页面的入口，高质量的链接可以更好的引导百度蜘蛛进入和爬取。 （5）、页面深度：页面在首页是否有入口，在首页有入口能更好的被抓取和收录。 （6）、抓取频次决定着网站有多少页面会被建库收录，这么重要的内容站长该去哪里进行了解和修改，可以到百度站长平台抓取频次功能进行了解.四、什么情况下会造成百度蜘蛛抓取失败等异常情况 有一些网站的网页内容优质、用户访问正常，但是百度蜘蛛无法抓取，不但会损失流量和用户还会被百度认为网站不友好，造成网站降权、评分下降、导入网站流量减少等问题。这里简单介绍一下容易造成百度蜘蛛抓取异常的原因： （1）、服务器连接异常：出现异常有两种情况，一是网站不稳定，造成百度蜘蛛无法抓取；二是百度蜘蛛一直无法连接到服务器，这时候您就要仔细检查了。 （2）、网络运营商异常：目前国内网络运营商分电信和联通，如果百度蜘蛛通过其中一种无法访问您的网站，还是赶快联系网络运营商解决问题吧。 （3）、无法解析IP造成DNS异常：当百度蜘蛛无法解析您网站IP时就会出现DNS异常，可以使用WHOIS查询自己网站IP是否能被解析，如果不能需要联系域名注册商解决。 （4）、IP封禁：IP封禁就是限制该IP，只有在特定情况下才会进行此操作，所以如果希望网站百度蜘蛛正常访问您的网站最好不要进行此操作。 （5）、死链：表示页面无效，无法提供有效的信息，这个时候可以通过百度站长平台提交死链。 通过以上信息可以大概了解百度蜘蛛爬去原理，收录是网站流量的保证，而百度蜘蛛抓取则是收录的保证，所以网站只有符合百度蜘蛛的爬去规则才能获得更好的排名、流量。