您好,欢迎来到中国博客联盟!这里只收录优秀独立博客,纯手工审核机制!
点此可加入QQ群交流建站心得!中国博客联盟QQ交流群快速加群按钮  中国博客联盟QQ交流群快速加群按钮 / 登录 / 注册 / 找回密码
当前位置:中国博客联盟 » 站长资讯 » 建站技巧 » 文章详细

Baiduspider抓取建库Q&A:百度蜘蛛抓取建站官方精彩问答

来源:百度站长平台 浏览:1416次 时间:2014-12-08

    首先,小编要对各位站长朋友说声抱歉,VIP大讲堂上海站已经过去N久,QA内容今天才发布出来。各位站长参加VIP大讲堂,除了聆听官方声音外,更重要的是可以与百度专家进行面对面的沟通。VIP大讲堂上海站请出了百度spider专家孙权,这是他第一次走出来与站长进行培训交流,课程中抖出干货无数,各位无法参与现场培训的站长除了申请观看培训现场视频外,还可以通过QA记录看看自己心中的疑问是否已被解答。

    由于现场QA环节火爆热烈内容超多,故本次仅放出spider抓取建库部分,其它内容请静待下期。


    问:为什么收录量像坐过山车一样的,还有为什么有些网页今天在明天就没了?
    答:百度会周期建库,且每个库的收录量是恒定的,你老是有新增,肯定会再从库里淘汰一些,反正总是保持那个库是满的。在建库的过程中,你会感觉有波动。具体的怎么筛,哪个页面会留下哪个页面会淘汰,这个策略是有很多的,他随着时间的变化,收录的标准策略也是在发生微调。


    问:我们站点使用CDN加速会不会比较容易造成蜘蛛无法抓取?因为有时候修改掉他绑定的什么东西。
    答:如果要修改掉一定要通知到上一级,现在不存在这个问题,现在你如果修改掉也可以解析掉,之前可能会存在这个问题。


    问:你们百度自己也有一个CDN加速,对抓录排名有没有影响?
    答:在使用CDN加速这个问题上,我们对所有站点一视同仁。但我建议你使用技术能力强的CDN服务商,保证站点的稳定和速度,百度会更喜欢。


    问:刚才您说IP上的站点数不能太多,那CDN这种情况怎么办?
    答:CDN的情况另说,如果我们识别出来是CDN的话不会受站点数量的影响,如果你是提供独立IP的话会有这样一些问题。


    问:还是IP上站点数量的问题,如果是主域跟二级域名呢?也受数量限制?
    答:我说的是独立域名。当然质量比较好的二级域名也可以认为是独立域名。


    问:多个域名,他有相同的一些内容,怎么建库?
    答:如果是多域名在同一个主域下面有相同内容的话,不可能所有都建库,而且被建库的那个可能不是你希望的那个,所以尽量不要有相同的内容。


    问:刚才讲的IP如果是多域名的话,好几百个IP域名,现在我们也用了CDN,按照刚才的说法,单个IP最多抓多少?1000万是说对站点还是对IP?
    答:对IP,但1000万是我举例,不是实际的数据,这个数据不会分享出来的。


    问:现在我的网站被很多蜘蛛爬,我想只让百度蜘蛛爬,百度蜘蛛IP多少?能设白名单么?
    答:百度蜘蛛IP是不断变的,现在网上的确有一些白名单的说法,暂时是有较的,但不保证今后不会变,所以建议站点还是通过ua进行判断,我们百度站长平台上有相关的文章,你可以找一下。


    问:如果我写robots只想禁掉动态链接的话,会不会影响动态参数前面正常链接的抓取?
    答:不会的,你原来的页面还在,肯定会抓。


    问:比如我们一个域名www.abcde.com,我们想把带?号的url全部禁掉,首页我们不要禁掉,怎么弄?
    答:?前面有个*,后面再有个*就可以了。


    问:我想了解,如果我现在收录有5万,大概多长时间才能把我原来收录5万重新抓取一遍?
    答:不同站点不好说,一个是你站点做的很好,知名度很响更新很快质量很好就会快;如果你的站点默默无闻,贡献很少,可能就会很慢。


(接上个问题)

    问:就是差不多的情况,大概。
    答:这个没有人能估出来。


    问:百度站长平台上有数据提交的工具,我们实时提交,你们也会实时抓取吗?
    答:不会,他会有一层判断。现在只是通知你提交成功,后面什么时候抓,什么时候建库没有,我们正在研究要不要把这个分享出来。


    问:我网站有一些列表页,都没有链接,担心百度抓不到
    答:现在百度站长平台的站内搜索工具有一个绿色收录通道,在那里提交种子页,我们就知道的。


(接上个问题)
    问:
提交种子页面必须要用站搜?

    答:是的。


    问:如果说页面里url特别多的话,蜘蛛会不会有选择性的进行抓取?
    答:不会,他都会一个不漏给你提出来,但会把JS、CSS这样的链接给过滤掉。但请注意,全部抓取过来之后会进行筛选,并不是所有都会建库。


    问:现在很多网站都有自己的站内搜索,都会产生站内搜索结果页,百度不喜欢搜索结果页的话,我们用这个会不会对我们有影响?只是不喜欢还是对我们网站会有惩罚
    答:蜘蛛会去抓,抓完之后重要是提取里面的链接。如果只有一两条这样的页面质量不好问题不大,如果整体质量较差,有可能受到惩罚。


    问:新出的时效性文章当时没有被收录,后期是否还会被收录?
    答:


    问:站点每天最高爬虫多少次?
    答:这个其实说不好,有的站点我们一天会抓一两千万,有的站点只抓几个、几十个,看你的规模和质量,而且这个抓取量也是会根据网站的情况进行调整的。



推荐博客

  • Java开发乐园Java开发乐园

    欢迎来到Java开发乐园,编程是爱好,快乐是主旨。在这时代的洪流中,我们需要聚木成舟,扬帆前行。Java开发乐园期待你的参与!

    www.itoak.cn
  • 喵喵喵博客喵喵喵博客

    喵喵喵博客是一个致力于收集网络上最新最潮流的网络流行语的博客,为您提供最新以及年度最热门的网络用语、网络热词、网络新词等网络词汇的出处以及意思、用法盘点。也可以说这是一个充满了梗的网站。

    www.miaomiaomiao.org
  • 守望轩守望轩

    守望生活, 审视自我,宁静雅致的小轩馆.

    www.watch-life.net
  • 嬴冰的博客嬴冰的博客

    嬴冰的博客-极域新支点。我们一直在关注互联网的发展!本站为广大青年提供优质的有料资讯和极客热点等。

    www.win-ice.xin
  • 酥锦沫博客酥锦沫博客

    \'酥锦沫博客(blog.zt20.top)是一家乐享资源记忆点滴的博客,主要分享程序源码,站长工具,网络技术,免费空间,模板插件,网赚项目,各类资源,各类教程,QQ资源,手机应用,致力创造一个高质量网络资源教程的分享平台

    blog.zt20.top
×
图标按钮