应对蜘蛛抓取基本策略
seo
2025-01-17 04:52:01
289
摘要：在蜘蛛实际抓取网页的过程中，因为网页内容的复杂性(文本、Flash、 视频等)和技术实现的多样性(纯静态、动态加载等)，为了更高效地利用蛛蛛资源，搜索引擎公司会置顶不同的抓取策略，作为SEO人员，可以参考搜素引擎公司对抓取策略的描述，采用最大化的SEO方法。
"
在蜘蛛实际抓取网页的过程中，因为网页内容的复杂性(文本、Flash、 视频等)和技术实现的多样性(纯静态、动态加载等)，为了更高效地利用蛛蛛资源，搜索引擎公司会置顶不同的抓取策略，作为SEO人员，可以参考搜素引擎公司对抓取策略的描述，采用最大化的SEO方法。 作为国内最大的搜索引擎公司，百度在它的官方文档中是如下这样描述抓取策略的。 互联网资源具有庞大的数量级，这就要求抓取系统尽可能高效地利用带宽，在有限的硬件和带宽资源下尽可能多地抓取到有价值的资源。这就造成了另一个问题，耗费被抓取网站的带宽造成访问压力，如果程度过大，将直接影响被抓取网站的正常用户访问行为。因此，在抓取过程中要进行一定的抓取压力控制，实现既不影响网站的正常用户访问，又能尽量多地抓取到有价值资源的目标。 通常情况下，采用的最基本的方法是基于IP的压力控制。这是因为如果基于城名，可能存在一个域名对多个IP (很多大网站)或多个城名对应同一个IP (小网站共享IP )的问题。实际工作中，往往根据IP及域名的多种条件进行压力控制。同时，站长平台也推出了压力反馈工具，站长可以人工调配对自己网站的抓取压力，这时Baiduspider将优先按照站长的要求进行抓取压力控制。 对同一个站点的抓取速度控制一般分为两类：其一 ,一段时间内的抓取频率；其二，一段时间内的抓取流量。同一站点不同的时间抓取速度也会不同，例如，夜深人静的时候抓取的可能就会快一些。 也视具体站点类型而定，主要思想是错开正常用户访问高峰，不断地调整。对于不同站点，也需要不同的抓取速度。 上面的描述很简洁，但是从这个描述里面，我们可以得到启发，蜘蛛抓取页面是有压力控制的，对于特别大型的网站来说，不可能指望蜘蛛爬行到一个网站后，会一次性抓取到所有的网站，因此，作为SEO人员来说，尽量减少蜘蛛的压力，对网站的网页收录是有好处的。一般来说，减轻蜘蛛压力有以下两种方法。 方法一：采用Nofollow (反垃圾链接的标签)的策略，将蜘蛛引导到最有价值的页面。Nofollow标签用来告诉蜘蛛，如果遇到带着此标签的页面或者链接，就不要继续追踪了，这样蜘蛛就可以爬行到其他更加有用的页面。 方法二：在Sitetap中定义不同页面的权重和更新频率，就是在网站的Sitemap文件中，定义好每个链接的权重和更新的频率，这样，蜘蛛在爬行到这些链接和页面的时候，会识别哪些页面比较重要， 可以重点抓取，哪些页面更新比较频繁，需要蜘蛛分配更多的注意力。网站式新闻动态
版权声明：除特别声明外，本站所有文章皆是本站原创，转载请以超链接形式注明出处！
