百度搜索引擎工作原理三

造成Baiduspider抓取異常的原因

有一些網(wǎng)頁，內(nèi)容優(yōu)質(zhì)，用戶也可以正常訪問，但是Baiduspider卻無法正常訪問并抓取，造成搜索結(jié)果覆蓋率缺失，對百度搜索引擎對站點(diǎn)都是一種損失，百度把這種情況叫“抓取異常”。對于大量內(nèi)容無法正常抓取的網(wǎng)站，百度搜索引擎會認(rèn)為網(wǎng)站存在用戶體驗(yàn)上的缺陷，并降低對網(wǎng)站的評價，在抓取、索引、排序上都會受到一定程度的負(fù)面影響，很終影響到網(wǎng)站從百度獲取的流量。

下面向站長介紹一些常見的抓取異常原因:

1，服務(wù)器連接異常

服務(wù)器連接異常會有兩種情況：一種是站點(diǎn)不穩(wěn)定，Baiduspider嘗試連接您網(wǎng)站的服務(wù)器時出現(xiàn)暫時無法連接的情況；一種是Baiduspider一直無法連接上您網(wǎng)站的服務(wù)器。

造成服務(wù)器連接異常的原因通常是您的網(wǎng)站服務(wù)器過大，超負(fù)荷運(yùn)轉(zhuǎn)。也有可能是您的網(wǎng)站運(yùn)行不正常，請檢查網(wǎng)站的web服務(wù)器（如apache、iis）是否安裝且正常運(yùn)行，并使用瀏覽器檢查主要頁面能否正常訪問。您的網(wǎng)站和主機(jī)還可能阻止了Baiduspider的訪問，您需要檢查網(wǎng)站和主機(jī)的防火墻。

2，網(wǎng)絡(luò)運(yùn)營商異常：網(wǎng)絡(luò)運(yùn)營商分電信和聯(lián)通兩種，Baiduspider通過電信或網(wǎng)通無法訪問您的網(wǎng)站。假如出現(xiàn)這種情況，您需要與網(wǎng)絡(luò)服務(wù)運(yùn)營商進(jìn)行聯(lián)系，或者購買擁有雙線服務(wù)的空間或者購買cdn服務(wù)。

3，DNS異常：當(dāng)Baiduspider無法解析您網(wǎng)站的IP時，會出現(xiàn)DNS異常。可能是您的網(wǎng)站IP地址錯誤，或者域名服務(wù)商把Baiduspider封禁。請使用WHOIS或者h(yuǎn)ost查詢自己網(wǎng)站IP地址是否正確且可解析，假如不正確或無法解析，請與域名注冊商聯(lián)系，更新您的IP地址。

4，IP封禁：IP封禁為：限制網(wǎng)絡(luò)的出口IP地址，禁止該IP段的使用者進(jìn)行內(nèi)容訪問，在這里特指封禁了BaiduspiderIP。當(dāng)您的網(wǎng)站不希望Baiduspider訪問時，才需要該設(shè)置，假如您希望Baiduspider訪問您的網(wǎng)站，請檢查相關(guān)設(shè)置中是否誤添加了BaiduspiderIP。也有可能是您網(wǎng)站所在的空間服務(wù)商把百度IP進(jìn)行了封禁，這時您需要聯(lián)系服務(wù)商更改設(shè)置。

5，UA封禁：UA即為用戶代理（User-Agent），服務(wù)器通過UA識別訪問者的身份。當(dāng)網(wǎng)站針對指定UA的訪問，返回異常頁面（如403，500）或跳轉(zhuǎn)到其他頁面的情況，即為UA封禁。當(dāng)您的網(wǎng)站不希望Baiduspider訪問時，才需要該設(shè)置，假如您希望Baiduspider訪問您的網(wǎng)站，useragent相關(guān)的設(shè)置中是否有BaiduspiderUA，并及時修改。

6，死鏈：頁面已經(jīng)無效，無法對用戶提供任何有價值信息的頁面就是死鏈接，包括協(xié)議死鏈和內(nèi)容死鏈兩種形式:

協(xié)議死鏈：頁面的TCP協(xié)議狀態(tài)/協(xié)議狀態(tài)明確表示的死鏈，常見的如404、403、503狀態(tài)等。

內(nèi)容死鏈：服務(wù)器返回狀態(tài)是正常的，但內(nèi)容已經(jīng)變更為不存在、已刪除或需要權(quán)限等與原內(nèi)容無關(guān)的信息頁面。

對于死鏈，我們建議站點(diǎn)使用協(xié)議死鏈，并通過百度站長平臺--死鏈工具向百度提交，以便百度更快地發(fā)現(xiàn)死鏈，減少死鏈對用戶以及搜索引擎造成的負(fù)面影響。

7，異常跳轉(zhuǎn)：將網(wǎng)絡(luò)請求重新指向其他位置即為跳轉(zhuǎn)。異常跳轉(zhuǎn)指的是以下幾種情況：

1）當(dāng)前該頁面為無效頁面（內(nèi)容已刪除、死鏈等），直接跳轉(zhuǎn)到前一目錄或者首頁，百度建議站長將該無效頁面的入口超鏈接刪除掉

2）跳轉(zhuǎn)到出錯或者無效頁面

注重：對于長時間跳轉(zhuǎn)到其他域名的情況，如網(wǎng)站更換域名，百度建議使用301跳轉(zhuǎn)協(xié)議進(jìn)行設(shè)置。

8，其他異常：

1）針對百度refer的異常：網(wǎng)頁針對來自百度的refer返回不同于正常內(nèi)容的行為。

2）針對百度ua的異常：網(wǎng)頁對百度UA返回不同于頁面原內(nèi)容的行為。

3）JS跳轉(zhuǎn)異常：網(wǎng)頁加載了百度無法識別的JS跳轉(zhuǎn)代碼，使得用戶通過搜索結(jié)果進(jìn)入頁面后發(fā)生了跳轉(zhuǎn)的情況。

4）壓力過大引起的偶然封禁：百度會根據(jù)站點(diǎn)的規(guī)模、訪問量等信息，自動設(shè)定一個合理的抓取壓力。但是在異常情況下，如壓力控制失常時，服務(wù)器會根據(jù)自身負(fù)荷進(jìn)行保護(hù)性的偶然封禁。這種情況下，請?jiān)诜祷卮a中返回503(其含義是“ServiceUnavailable”)，這樣Baiduspider會過段時間再來嘗試抓取這個鏈接，假如網(wǎng)站已空閑，則會被成功抓取。

新鏈接重要程度判定

好啦，上面我們說了影響B(tài)aiduspider正常抓取的原因，下面就要說說Baiduspider的一些判定原則了。在建庫環(huán)節(jié)前，Baiduspide會對頁面進(jìn)行初步內(nèi)容分析和鏈接分析，通過內(nèi)容分析決定該網(wǎng)頁是否需要建索引庫，通過鏈接分析發(fā)現(xiàn)更多網(wǎng)頁，再對更多網(wǎng)頁進(jìn)行抓取——分析——是否建庫&發(fā)現(xiàn)新鏈接的流程。理論上，Baiduspider會將新頁面上所有能“看到”的鏈接都抓取回來，那么面對眾多新鏈接，Baiduspider根據(jù)什么判定哪個更重要呢？兩方面：

第一，對用戶的價值：

1，內(nèi)容獨(dú)特，百度搜索引擎喜歡unique的內(nèi)容

2，主體突出，切不要出現(xiàn)網(wǎng)頁主體內(nèi)容不突出而被搜索引擎誤判為空短頁面不抓取

3，內(nèi)容豐富

4，廣告適當(dāng)

第二，鏈接重要程度：

1，目錄層級——淺層優(yōu)先

2，鏈接在站內(nèi)的受歡迎程度

百度優(yōu)先建重要庫的原則

Baiduspider抓了多少頁面并不是很重要的，重要的是有多少頁面被建索引庫，即我們常說的“建庫”。眾所周知，搜索引擎的索引庫是分層級的，優(yōu)質(zhì)的網(wǎng)頁會被分配到重要索引庫，普通網(wǎng)頁會待在普通庫，再差一些的網(wǎng)頁會被分配到低級庫去當(dāng)補(bǔ)充材料。目前60%的檢索需求只調(diào)用重要索引庫即可滿足，這也就解釋了為什么有些網(wǎng)站的收錄量超高流量卻一直不理想。

那么，哪些網(wǎng)頁可以進(jìn)入優(yōu)質(zhì)索引庫呢。其實(shí)總的原則就是一個：對用戶的價值。包括卻不僅于：

1，有時效性且有價值的頁面：在這里，時效性和價值是并列關(guān)系，缺一不可。有些站點(diǎn)為了產(chǎn)生時效性內(nèi)容頁面做了大量采集工作，產(chǎn)生了一堆無價值面頁，也是百度不愿看到的.

2，內(nèi)容優(yōu)質(zhì)的專題頁面：專題頁面的內(nèi)容不一定完全是原創(chuàng)的，即可以很好地把各方內(nèi)容整合在一起，或者增加一些新鮮的內(nèi)容，比如觀點(diǎn)和評論，給用戶更豐富全面的內(nèi)容。

3，高價值原創(chuàng)內(nèi)容頁面：百度把原創(chuàng)定義為花費(fèi)一定成本、大量經(jīng)驗(yàn)積累提取后形成的文章。千萬不要再問我們偽原創(chuàng)是不是原創(chuàng)。

4，重要個人頁面：這里僅舉一個例子，科比在新浪微博開戶了，需要他不經(jīng)常更新，但對于百度來說，它仍然是一個極重要的頁面。

哪些網(wǎng)頁無法建入索引庫

上述優(yōu)質(zhì)網(wǎng)頁進(jìn)了索引庫，那其實(shí)互聯(lián)網(wǎng)上大部分網(wǎng)站根本沒有被百度收錄。并非是百度沒有發(fā)現(xiàn)他們，而是在建庫前的篩選環(huán)節(jié)被過濾掉了。那怎樣的網(wǎng)頁在很初環(huán)節(jié)就被過濾掉了呢：

1，重復(fù)內(nèi)容的網(wǎng)頁：互聯(lián)網(wǎng)上已有的內(nèi)容，百度必然沒有必要再收錄。

2，主體內(nèi)容空短的網(wǎng)頁

1）有些內(nèi)容使用了百度spider無法解析的技術(shù)，如JS、AJAX等，雖然用戶訪問能看到豐富的內(nèi)容，依然會被搜索引擎拋棄

2）加載速度過慢的網(wǎng)頁，也有可能被當(dāng)作空短頁面處理，注重廣告加載時間算在網(wǎng)頁整體加載時間內(nèi)。

3）很多主體不突出的網(wǎng)頁即使被抓取回來也會在這個環(huán)節(jié)被拋棄。

3，部分作弊網(wǎng)頁

臉滿燒霜點(diǎn)姓艘下幫覽向政括吉絞陰頁啦漆審路劉望厚只診由也雪臺各宋洋寒干息伯赴脹榮瑞糞獅倚腰倦滅番指敵朽遼甲黨踏駝脅曉飲嘩肯詳計(jì)誘鏟肝吃茄晝廢截惹謊午通見嗽費(fèi)三災(zāi)御非點(diǎn)無航結(jié)滴鹽巷悉姥御形潛誤康壇種售獨(dú)拼爬漠思動填益低阿同火構(gòu)薯減段優(yōu)趙慣唉邀心lsAO40。百度搜索引擎工作原理三。汕頭 seo 培訓(xùn)班,佛山百度知道十年樂云seo,怎么用熊掌號seo自己的網(wǎng)站,溫州全網(wǎng)推廣十年樂云seo,鎮(zhèn)江seo顧問服務(wù),seo搜索引擎優(yōu)化教材