解決搜素引擎重復(fù)抓取問題
想要解決好搜素引擎重復(fù)抓取的問題,不只是要解決好爬蟲自身的問題,更需要進(jìn)一步的了解爬蟲重復(fù)抓取的目的,要知道指標(biāo)才能治本,只有抓住了根本,才能在實際中解決。
對于每個搜索引擎優(yōu)化從業(yè)者來說,爬蟲每天都來我們的網(wǎng)站抓取網(wǎng)頁,這是一個非常有價值的資源。然而,在這中間,由于爬行動物的無序爬行,它必然會浪費一些爬行動物的爬行資源。在此過程中,百度優(yōu)化排名需要解決搜索引擎爬蟲反復(fù)抓取我們網(wǎng)頁的問題。
·產(chǎn)生很久的頁面,但近更新了
·新產(chǎn)生的頁面,沒有被抓取過的
·產(chǎn)生了一段時間,卻一直沒收錄的
·產(chǎn)生了一段時間,遲遲不被抓取的
·包含內(nèi)容更多的聚合頁面,如首頁、列表頁
對于上述類別,我們定義了哪個類別要按順序進(jìn)行爬網(wǎng)。
對于大型網(wǎng)站,搜索引擎抓取器抓取過多的資源,而對于小型網(wǎng)站,抓取稀 缺的資源。因此,我們在此強(qiáng)調(diào),我們不是在試圖解決搜索導(dǎo)致的重復(fù)爬行問題,而是在試圖解決搜索引擎盡可能快地爬行我們想要爬行的頁面的問題。這個想法須糾正!
接下來,我們來談?wù)勅绾巫屗阉饕媾老x快地抓取我們想要抓取的頁面。
爬蟲是抓取網(wǎng)頁并從該網(wǎng)頁中找到更多鏈接的過程。然后這一次我們需要知道,如果我們想更有可能被crawler抓取,我們需要提供更多的鏈接,以便搜索引擎crawler能夠找到我們想要抓取的網(wǎng)頁。
與此同時,想象有這么多頁面鏈接到新文章,鏈接傳遞權(quán)重,然后新文章被捕獲,權(quán)重不低。包容性的速度將顯著提高。
對于那些長時間沒有被包括在內(nèi)的人,你也可以考慮體重是否太低。我會給內(nèi)部鏈條更多的支持,并傳遞一些重量。應(yīng)該有包容的可能性。當(dāng)然,也有可能不包括它,那么您須依賴于內(nèi)容本身的質(zhì)量。以前,有一篇文章專門談到內(nèi)容質(zhì)量,歡迎大家閱讀:什么內(nèi)容容易被百度評為高質(zhì)量內(nèi)容?
新產(chǎn)生的頁面,沒有被抓取過的
這種頁面通常是文章頁面。對于這種頁面,我們的網(wǎng)站每天都會產(chǎn)生大量的頁面,所以我們會在更多的頁面中給出這部分鏈接。例如,主頁、頻道頁面、列/列表頁面、主題聚合頁面,甚至文章頁面本身都需要有一個新的文章部分,以便等待爬蟲在抓取我們的任何網(wǎng)頁時找到新的文章。
因此,為了解決搜索引擎爬蟲重復(fù)爬行的問題,我們不是終的解決方案。由于搜索引擎爬蟲本質(zhì)上是無序的,我們只能通過網(wǎng)站的架構(gòu)、推薦算法、運營策略等進(jìn)行干預(yù)。這樣爬蟲可以給我們更理想的抓取效果。