SEO优化

了解建站优化推广知识,争做网络营销砖家。

藤设计客服

百度蜘蛛爬行和抓取网站的过程步骤

  • 时间:1个月前
  • 浏览:166次

  搜索引擎蜘蛛,在搜索引擎系统中又被称之为“蜘蛛”或“机器人”,是用来爬行和访问页面的程序。那么百度蜘蛛爬行和抓取网站的过程步骤是怎么样的?

  1、蜘蛛访问

  相信大家都知道它了,蜘蛛访问任何一个网站时,都会先访问网站根目录下的robots.txt文件,如果robots.txt文件禁止搜索引擎抓取某些文件和目录,蜘蛛会遵守协议,不抓取被禁止的网址。

  2、跟踪链接

  为了抓取网上尽量多的页面, 搜索引擎蜘蛛跟踪页面上的链接,从一个页面爬到下一个页面,最简单的爬行策略分为两种:一种是深度优先,另一种是广度优先。

  深度是指蜘蛛沿着发现的链接一直向前爬行,直到前面再也没有其他链接,然后返回到第一个页面,沿着另一个链接再一直往前爬行。

  广度是指蜘蛛在一个页面上发现多个链接时,不是顺着一个链接一直向前,而是把页面上所有第一层链接都爬一遍,然后再沿着第二层页面上发现的链接爬向第三层页面。

  3、吸引蜘蛛

  SEO人员想要百度网站收录,就要想办法吸引蜘蛛来抓取,蜘蛛只会抓取有价值的页面,以下是五个影响因素:网站和页面权重、页面更新度、导入链接、与首页的距离、URL结构。

  4、地址库

  为了避免重复爬行和抓取网址,搜索引擎会建立一个地址库,记录已经被发现但还没有抓取的页面,以及已经被抓取的页面。蜘蛛在页面上发现链接后并不是马上就去访问,而是将URL存入地址库,然后统一安排抓取。

  地址库中URL有几个来源:

  ① 人工录入的种子网站;

  ② 蜘蛛抓取页面后,从HTML中解析出新的链接URL,与地址库中的数据进行对比,如果是地址库中没有网址,就存入待访问地址库;

  ③ 站长通过接口提交进来的网址;

  ④ 站长通过XML网站地图、站长平台提交的网址;

  5) 文件存储。搜索引擎蜘蛛抓取的数据存入原始页面数据库。

  6) 爬行时进行复制内容检测。


Copyright 2019-2022 武汉优比度网络技术工作室 鄂ICP备19027502号-1 网站地图|