百度爬虫在进行抓取和处理时,是根青秀网络科技 www.nnqxit.com据http协议规范来设置相应的逻辑的,因此,如果网站/页面发生一些特别状况或者网站某类页面集存在特殊性的时候,我们必须知道如何处理才能更符合百度爬虫,以避免错误的举措给网站SEO带来不必要的风险。百度站长俱乐部管理员Lee的在http状态码使用方面做了说明,主要涉及到常见的301、404、403、503状态码的处理建议,非常南宁seo www.nnqxit.com 实用,结合这些知识以及以往遇到的实际情况我会做一点补充应用说明。
百度spider对常用的http返回码的处理逻辑:
1、404
404返回码的含义是“NOT FOUND”,百度会认为网页已经失效,那么通常会从搜索结果中删除,并且短期内spider再次发现这条url也不会抓取。
2、503
503返回码的含义是“Service Unavailable”,百度会认为该网页临时不可访问,通常网站临时关闭,带宽有限等会产生这种情况。对于网页返回503,百度spider不会把这 条url直接删除,短期内会再访问。届时如果网页已恢复,则正常抓取;如果继续返回503,短期内还会反网站优化 www.nnqxit.com 复访问几次。但是如果网页长期返回503,那么这 个url仍会被百度认为是失效链接,从搜索结果中删除。
3、403
403返回码的含义是“Forbidden”,百度会认为网页当前禁网络推广 www.nnqxit.com止访问。对于这种情况,如果是新发现的url,百度spider暂不会抓取,短期内会 再次检查;如果是百度已收录url,当前也不会直接删除,短期内同样会再访问。届时如果网页允许访问,则正常抓取;如果仍人才招聘 www.nnqxit.com不允许访问,短期内还会反复访问 几次。但是如果网页长期返回403,百度也会认为是失效链接,从搜索结果中删除。
4、301
301返回码的含义是“Moved Permanently”,百度会认为网页当前跳转至新url。当遇到站点迁移,域名更换、站点改版的情况时,推荐使用301返回码,尽量减少改版带来的 流量损失。虽然百度spider现在对301跳转的响应周期较长,但我们还是推荐大家这么做。
网友评论 ()条 查看