淺析，網(wǎng)站抓取建設(shè)，常見的注意事項(xiàng)！

• 作者: 招商幫
• 發(fā)布時(shí)間: 2021-10-10

    網(wǎng)站不收錄，可能是最近，大量SEO從業(yè)者都在討論的一件事情，這里面不乏更多的大型行業(yè)網(wǎng)站，這也是為什么我們要定期解讀百度官方相關(guān)公開視頻的一個(gè)重要原因。

    每隔一定時(shí)間周期，百度搜索資源平臺(tái)，都會(huì)定期開放相關(guān)課程，我們可以清晰的看出，官方搜索團(tuán)隊(duì)，也在不斷的由淺入深的為大家分享日常建站的相關(guān)內(nèi)容。

    雖然，本期內(nèi)容網(wǎng)站抓取建設(shè)更多的在陳述一些基礎(chǔ)性的內(nèi)容，但仍然有很多細(xì)節(jié)值得我們關(guān)注。

    那么，百度官方網(wǎng)站抓取建設(shè)課程，有哪些值得關(guān)注？

    根據(jù)以往針對(duì)百度蜘蛛的研究，招商幫，將通過如下內(nèi)容闡述：

      ①網(wǎng)站URL規(guī)范化

    所謂的URL規(guī)范化，通常來講，主要就是指我們常見的一些URL基礎(chǔ)性形態(tài)，一般來講，我們通常建議大家選擇偽靜態(tài)的形式，一般可以是.html結(jié)尾。

    常見的URL層級(jí)理論上越簡(jiǎn)單越好，比如：domain/mulu/123*.html

    在這個(gè)過程中，我們盡量確保URL路徑不要過長(zhǎng)，盡量不要超過100個(gè)字符為最佳。

    同時(shí)避免采用不友好的URL形態(tài)，比如：中文字符嵌入的形態(tài)，如下圖：

    當(dāng)然，這里面需要強(qiáng)調(diào)的就是一個(gè)參數(shù)的問題，很多網(wǎng)站經(jīng)常會(huì)有一些廣告代碼追蹤，亦或是訪問統(tǒng)計(jì)的后綴標(biāo)識(shí)，這對(duì)于搜索引擎來講，雖然是相同內(nèi)容，但經(jīng)常會(huì)自動(dòng)添加不同的來路URL地址標(biāo)識(shí)，很容易被識(shí)別成重復(fù)性內(nèi)容。

    官方建議在使用統(tǒng)計(jì)數(shù)據(jù)的時(shí)候，盡量規(guī)范化標(biāo)識(shí)，適當(dāng)采用“？”等相關(guān)的形式。

    但根據(jù)實(shí)戰(zhàn)經(jīng)驗(yàn)來講，合理的使用“？”同樣會(huì)造成大量惡意的理由，比如：

    domain/mulu/？123*.html？【URL地址】

    因此，我們建議，如果非必須啟用相關(guān)的動(dòng)態(tài)參數(shù)，我們盡量在robots.txt中屏蔽“？”。

    ②合理發(fā)現(xiàn)鏈路

    什么是鏈路？

    簡(jiǎn)單的理解：所謂的鏈路就是從目標(biāo)索引頁，所展現(xiàn)的相關(guān)性頁面超鏈接，搜索爬蟲基于這些鏈接，可以更好的，更全面的抓取整站的頁面內(nèi)容。

    一般來講：一個(gè)網(wǎng)站的索引頁面，主要包括：首頁、列表頁、Tag標(biāo)簽聚合頁面。

    這些類型的頁面，每天都會(huì)進(jìn)行大量的頁面內(nèi)容更新與調(diào)用。

    也就是說，隨著不斷的運(yùn)營(yíng)，這些頁面就像是一個(gè)種子頁面，在固定周期內(nèi)，每天特定時(shí)間吸引搜索引擎不斷的來訪抓取最新頁面。

    而一個(gè)良好的索引頁，通常需要具備，定期更新的策略，最新的內(nèi)容與文章，一般建議采用最新時(shí)間排序的策略進(jìn)行展現(xiàn)。

    這樣可以輔助搜索引擎更快的發(fā)現(xiàn)新內(nèi)容。

    這里面值得強(qiáng)調(diào)的一個(gè)細(xì)節(jié)就是，我們新發(fā)布的內(nèi)容，最好是實(shí)時(shí)同步在索引頁面，這里一些需要靜態(tài)手動(dòng)更新，亦或是采用CDN加速的頁面經(jīng)常會(huì)遇到相關(guān)問題。

    同時(shí)，官方建議，我們盡量不要建立大量的索引頁面，這里我們給到的理解就是：

    基于更新頻率的策略，我們只需要保持核心索引頁可以頻繁的保持更新頻率即可，如果大量啟用不同的索引頁面，而沒有進(jìn)行有效的內(nèi)容展現(xiàn)，也是一種抓取資源的浪費(fèi)。

    ③訪問友好性

    通常來講，所謂的網(wǎng)站訪問友好性，主要是指：

    1）頁面的訪問速度，盡量控制在2秒以內(nèi)。個(gè)人覺得可以合理啟用百度CDN云加速。

    2）確保DNS解析的穩(wěn)定性，一般我們建議大家選擇主流的DNS服務(wù)商。

    3）避免頁面產(chǎn)生大量的跳轉(zhuǎn)，比如：索引頁展現(xiàn)的鏈接，大量啟用301，302，404類型頁面。

    4）避免只用技術(shù)手段，亦或是錯(cuò)誤的操作策略封禁百度爬蟲。

    5）避免錯(cuò)誤的使用防火墻，導(dǎo)致百度不能友好的抓取目標(biāo)頁面，特別是在購買一些虛擬主機(jī)的時(shí)候，需要格外注意。

    6）注意網(wǎng)站的負(fù)載壓力，比如：高質(zhì)量站點(diǎn)，短期大量更新內(nèi)容，導(dǎo)致同一時(shí)間節(jié)點(diǎn)，大量的蜘蛛訪問，造成服務(wù)器加載延遲甚至卡頓的情況。

    ④提高抓取頻率

    我們知道想要試圖提高網(wǎng)站的收錄率，抓取頻率的提升顯得格外重要，通常來講：

    新站：搜索引擎更多的是在乎頁面內(nèi)容質(zhì)量度的覆蓋率。

    老站：更多的是體現(xiàn)在頁面的更新頻率上。

    這里面值得注意的就是：

    對(duì)于企業(yè)新站而言，搜索引擎會(huì)在1-2個(gè)月的時(shí)間周期中，給予一定的流量?jī)A斜與扶植，因此，在這個(gè)過程中，我們需要盡可能的提升內(nèi)容輸出質(zhì)量。

    從而獲得較高的質(zhì)量評(píng)估，這樣在后期的運(yùn)營(yíng)過程中，才能夠獲得更好的展現(xiàn)。

    一般新站上線，長(zhǎng)期不收錄的原因，主要可能是因?yàn)椋簝?nèi)容質(zhì)量不佳，內(nèi)容增量覆蓋行業(yè)的廣度不夠，為此，我們盡量避免采用偽原創(chuàng)和采集內(nèi)容。

    總結(jié)：本次百度官方公布的網(wǎng)站抓取建設(shè)內(nèi)容，相對(duì)詳盡，基本解決站長(zhǎng)日常的常見問題，上述內(nèi)容，我們認(rèn)為最為值得注意的細(xì)節(jié)就是URL的長(zhǎng)度不要超過200字符，以及頁面加載速度控制在2秒內(nèi)，僅供參考。