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:1549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

  • 汐岑博客汐岑博客

    汐岑资源博客(Yanwz.cn)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.

    www.yanwz.cn
  • 黄阳的个人博客黄阳的个人博客

    这里是黄阳的个人博客,平时我会在这里分享一些我亲自做过的美食配方/软件开发上遇到的问题以及它的解决方法/甚至还有一些我平时的所见所闻、所思所想。

    www.funyoung.club
  • 剑客网剑客网

    剑客网是一个免费、自由、共享的技术性站点,网站成立于2015年12月5日。从诞生之日起,承诺保持开放、平等、协作、分享的互联网精神,为不同人群提供帮助,让人们在互联网创造更多、发现更多、把握更多、体验更多

    www.go176.net
  • 缙哥哥的博客缙哥哥的博客

    分享缙哥哥的点点滴滴。

    www.dujin.org
  • Yocoub's blogYocoub's blog

    Yocoub的个人博客,分享有趣的事以及生活的感触。

    yocoub.cn
×
图标按钮