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

神马搜索Spider介绍

来源:神马开放平台 浏览:3200次 时间:2014-09-11
1. 神马Spider

神马Spider是神马访问互联网,自动化抓取网页的程序。Spider抓取下网页,建立索引,使用户可通过搜索引擎搜索到互联网上的资源。

2. 神马Spider的user-agent及ip地址

user-agent,是http协议中的一个属性,代表了终端的身份。神马Spider的user-agent为:Yisouspider,因为历史原因此user-agent名称将会继续使用。

神马Spider的ip地址是一组ip池,会动态变,因此不在此列举。

3. 神马Spider的网站访问频率

神马会根据网站的规模、服务能力、页面质量、更新速度等因素来决定对网站的访问频率。通常质量高、网页更新快的网站神马spider访问的频率相对会高,以保证高质、时效的能够展现给用户。

4. 神马spider如何发现新网页

神马spider发现新网页的方式有多种,最典型的是在已发现的网页中分析超链关系,选取url并抓取,如此不断拓展,尽可能多的抓取到有价值的网页。另外,神马会从dns服务商处获取新网站域名,能够及时抓取到新建网站。

5. 关于robots协议

robots.txt是搜索引擎访问网站是要访问的第一个文件,以确定哪些网页是允许或禁止抓取的。神马搜索遵守互联网robots协议,如您希望完全禁止神马访问或对部分目录禁止访问,您可以通过robots.txt文件来设置内容,限定神马Spider的访问权限。

robots.txt必须放在网站根目录下,且文件名要小写。

具体的写法:

1) 完全禁止神马Spider抓取:

User-agent: Yisouspider

Disallow: /

2) 禁止神马spider抓取指定目录

User-agent: Yisouspider

Disallow: /update

Disallow: /history

禁止抓取update、history目录下网页

6. 神马Spider是否会造成带宽负担

神马Spider有规范的抓取流程,同时也会考虑网站的忙闲时段来抓取,因此不会给网站造成带宽负担。如您发现名为Yisouspider的user-agent抓取严重影响到了网站的正常访问,您可将该时段的访问日志信息反馈至[email protected],神马同学会将分析结论发送给您。



推荐博客

  • 儒释道传统经典全文儒释道传统经典全文

    整理发布了儒释道传统经典全文,及南怀瑾先生的一些讲学材料下载

    ed29.com
  • Spanda HandbookSpanda Handbook

    A handbook maintained by ysicing.

    blog.spanda.io
  • 宋子宪博客宋子宪博客

    宋子宪博客_一位java程序员的个人博客,本站分享大量java资料和前端笔记以及编程工具,欢迎各位朋友前来交流,希望我们可以成为好朋友!

    www.52xbc.cn
  • 前沿观察站前沿观察站

    前沿观察站(WWW.QYGCZ.COM)为记录分享类个人博客,以“记录、分享”为核心,在各类技术参考类文章驳杂混乱的互联网分享时代,收集、总结、重组、整理、细化、记录并分享整个互联网众多资源。非专业技术类博客。内容不局限技术文章分享,但会保证每篇文章都会详详细细与时俱进,每篇记录都会有该有的价值!

    www.qygcz.com
  • 臾离博客臾离博客

    道也者,不可须臾离者也,可离非道也。分享平时自己的一些学习心得,写一些自己的心情。

    blog.xgblack.cn
×
图标按钮