百度官方:百度抓取异常问答

 人参与 | 时间:2012年09月05日 22:47

1、什么是抓取异常

对于互联网中可正常访问的页面,百度蜘蛛抓取的内容应与普通用户访问到的内容是一致的,除此以外的情况,就是抓取异常。

2、抓取异常对网站的影响有哪些

若网站中有大量抓取异常的网页存在,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,最终影响到网站在百度搜索引擎中的表现。

3、什么是死链

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/HTTP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,建议及时修复死链数据,或进行死链数据推送,以便搜索引擎更快地发现死链,减少死链对用户以及搜索引擎的影响。

4、什么是IP禁封

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,即为IP禁封。

5、什么是UA禁封

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禁封。

6、什么是异常重定向

将网络请求重新指向其他位置即为重定向。常见的重定向有两种:永久重定向(301跳转协议)和暂时重定向(302跳转协议),目前百度都可以识别和支持。

对于长时间跳转到其他域名的情况,如网站更换域名,建议您使用301跳转协议。

7、还有哪些其他异常

针对百度refer的作弊:网页针对来自百度的refer返回不同于正常内容的行为。

针对百度ua的作弊:网页对百度UA返回不同于页面原内容的行为。

JS跳转作弊: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。

压力过大引起的偶然禁封: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 “Service Unavailable”),百度蜘蛛会过段时间再来尝试抓取这个链接,如果网站已空闲,则会被成功抓取。

原文地址:http://zhanzhang.baidu.com/wiki/32

顶: 0踩: 0

来源:,欢迎分享,(QQ/微信:13340454)