百度搜索引擎工作原理三

造成Baiduspider抓取异常的原因

有一些网页，内容优质，用户也可以正常访问，但是Baiduspider却无法正常访问并抓取，造成搜索结果覆盖率缺失，对百度搜索引擎对站点都是一种损失，百度把这种情况叫“抓取异常”。对于大量内容无法正常抓取的网站，百度搜索引擎会认为网站存在用户体验上的缺陷，并降低对网站的评价，在抓取、索引、排序上都会受到一定程度的负面影响，很终影响到网站从百度获取的流量。

下面向站长介绍一些常见的抓取异常原因:

1，服务器连接异常

服务器连接异常会有两种情况：一种是站点不稳定，Baiduspider尝试连接您网站的服务器时出现暂时无法连接的情况；一种是Baiduspider一直无法连接上您网站的服务器。

造成服务器连接异常的原因通常是您的网站服务器过大，超负荷运转。也有可能是您的网站运行不正常，请检查网站的web服务器（如apache、iis）是否安装且正常运行，并使用浏览器检查主要页面能否正常访问。您的网站和主机还可能阻止了Baiduspider的访问，您需要检查网站和主机的防火墙。

2，网络运营商异常：网络运营商分电信和联通两种，Baiduspider通过电信或网通无法访问您的网站。假如出现这种情况，您需要与网络服务运营商进行联系，或者购买拥有双线服务的空间或者购买cdn服务。

3，DNS异常：当Baiduspider无法解析您网站的IP时，会出现DNS异常。可能是您的网站IP地址错误，或者域名服务商把Baiduspider封禁。请使用WHOIS或者host查询自己网站IP地址是否正确且可解析，假如不正确或无法解析，请与域名注册商联系，更新您的IP地址。

4，IP封禁：IP封禁为：限制网络的出口IP地址，禁止该IP段的使用者进行内容访问，在这里特指封禁了BaiduspiderIP。当您的网站不希望Baiduspider访问时，才需要该设置，假如您希望Baiduspider访问您的网站，请检查相关设置中是否误添加了BaiduspiderIP。也有可能是您网站所在的空间服务商把百度IP进行了封禁，这时您需要联系服务商更改设置。

5，UA封禁：UA即为用户代理（User-Agent），服务器通过UA识别访问者的身份。当网站针对指定UA的访问，返回异常页面（如403，500）或跳转到其他页面的情况，即为UA封禁。当您的网站不希望Baiduspider访问时，才需要该设置，假如您希望Baiduspider访问您的网站，useragent相关的设置中是否有BaiduspiderUA，并及时修改。

6，死链：页面已经无效，无法对用户提供任何有价值信息的页面就是死链接，包括协议死链和内容死链两种形式:

协议死链：页面的TCP协议状态/协议状态明确表示的死链，常见的如404、403、503状态等。

内容死链：服务器返回状态是正常的，但内容已经变更为不存在、已删除或需要权限等与原内容无关的信息页面。

对于死链，我们建议站点使用协议死链，并通过百度站长平台--死链工具向百度提交，以便百度更快地发现死链，减少死链对用户以及搜索引擎造成的负面影响。

7，异常跳转：将网络请求重新指向其他位置即为跳转。异常跳转指的是以下几种情况：

1）当前该页面为无效页面（内容已删除、死链等），直接跳转到前一目录或者首页，百度建议站长将该无效页面的入口超链接删除掉

2）跳转到出错或者无效页面

注重：对于长时间跳转到其他域名的情况，如网站更换域名，百度建议使用301跳转协议进行设置。

8，其他异常：

1）针对百度refer的异常：网页针对来自百度的refer返回不同于正常内容的行为。

2）针对百度ua的异常：网页对百度UA返回不同于页面原内容的行为。

3）JS跳转异常：网页加载了百度无法识别的JS跳转代码，使得用户通过搜索结果进入页面后发生了跳转的情况。

4）压力过大引起的偶然封禁：百度会根据站点的规模、访问量等信息，自动设定一个合理的抓取压力。但是在异常情况下，如压力控制失常时，服务器会根据自身负荷进行保护性的偶然封禁。这种情况下，请在返回码中返回503(其含义是“ServiceUnavailable”)，这样Baiduspider会过段时间再来尝试抓取这个链接，假如网站已空闲，则会被成功抓取。

新链接重要程度判定

好啦，上面我们说了影响Baiduspider正常抓取的原因，下面就要说说Baiduspider的一些判定原则了。在建库环节前，Baiduspide会对页面进行初步内容分析和链接分析，通过内容分析决定该网页是否需要建索引库，通过链接分析发现更多网页，再对更多网页进行抓取——分析——是否建库&发现新链接的流程。理论上，Baiduspider会将新页面上所有能“看到”的链接都抓取回来，那么面对众多新链接，Baiduspider根据什么判定哪个更重要呢？两方面：

第一，对用户的价值：

1，内容独特，百度搜索引擎喜欢unique的内容

2，主体突出，切不要出现网页主体内容不突出而被搜索引擎误判为空短页面不抓取

3，内容丰富

4，广告适当

第二，链接重要程度：

1，目录层级——浅层优先

2，链接在站内的受欢迎程度

百度优先建重要库的原则

Baiduspider抓了多少页面并不是很重要的，重要的是有多少页面被建索引库，即我们常说的“建库”。众所周知，搜索引擎的索引库是分层级的，优质的网页会被分配到重要索引库，普通网页会待在普通库，再差一些的网页会被分配到低级库去当补充材料。目前60%的检索需求只调用重要索引库即可满足，这也就解释了为什么有些网站的收录量超高流量却一直不理想。

那么，哪些网页可以进入优质索引库呢。其实总的原则就是一个：对用户的价值。包括却不仅于：

1，有时效性且有价值的页面：在这里，时效性和价值是并列关系，缺一不可。有些站点为了产生时效性内容页面做了大量采集工作，产生了一堆无价值面页，也是百度不愿看到的.

2，内容优质的专题页面：专题页面的内容不一定完全是原创的，即可以很好地把各方内容整合在一起，或者增加一些新鲜的内容，比如观点和评论，给用户更丰富全面的内容。

3，高价值原创内容页面：百度把原创定义为花费一定成本、大量经验积累提取后形成的文章。千万不要再问我们伪原创是不是原创。

4，重要个人页面：这里仅举一个例子，科比在新浪微博开户了，需要他不经常更新，但对于百度来说，它仍然是一个极重要的页面。

哪些网页无法建入索引库

上述优质网页进了索引库，那其实互联网上大部分网站根本没有被百度收录。并非是百度没有发现他们，而是在建库前的筛选环节被过滤掉了。那怎样的网页在很初环节就被过滤掉了呢：

1，重复内容的网页：互联网上已有的内容，百度必然没有必要再收录。

2，主体内容空短的网页

1）有些内容使用了百度spider无法解析的技术，如JS、AJAX等，虽然用户访问能看到丰富的内容，依然会被搜索引擎抛弃

2）加载速度过慢的网页，也有可能被当作空短页面处理，注重广告加载时间算在网页整体加载时间内。

3）很多主体不突出的网页即使被抓取回来也会在这个环节被抛弃。

3，部分作弊网页

脸满烧霜点姓艘下帮览向政括吉绞阴页啦漆审路刘望厚只诊由也雪台各宋洋寒干息伯赴胀荣瑞粪狮倚腰倦灭番指敌朽辽甲党踏驼胁晓饮哗肯详计诱铲肝吃茄昼废截惹谎午通见嗽费三灾御非点无航结滴盐巷悉姥御形潜误康坛种售独拼爬漠思动填益低阿同火构薯减段优赵惯唉邀心lsAO40。百度搜索引擎工作原理三。汕头 seo 培训班,佛山百度知道十年乐云seo,怎么用熊掌号seo自己的网站,温州全网推广十年乐云seo,镇江seo顾问服务,seo搜索引擎优化教材