网站蜘蛛抓取重点内容整理_百度seo优化公开课
本文基于最新百度站长平台白皮书规范，结合百度seo优化公开课的建议，对网站抓取内容进行详细的说明整理。
一、百度爬虫工作原理
抓取系统是站长服务器与百度搜索的一个桥梁，我们通常把抓取系统称之为抓取环。
举例：“抓取器”与“网站服务器”交互抓取首页，进行对页面进行理解，包含类型、价值的计算，此外还会把页面所有超链接提取出来，提取出来的链接叫“后链”，后链是下一轮抓取的链接集合。下一轮抓取会从上一轮的后链选择需要抓取的数据去抓取，继续和网站交互获取页面提取链接，反复不断一层一层循环构成抓取环路。
二、抓取友好性优化
1、URL规范
url尽可能不要复杂，新站刚开始抓，蜘蛛并不知道URL里面的内容什么样，url长短？是否规范？是不是被选出来（指抓取）非常关键的。
URL核心有两点：主流和简单。不要使用中文/中文编码虽然百度能识别，蜘蛛支持256个字符，建议小于<100字符。偏长URL不占有优势。
参数以及无效参数的问题？
url尽可能不要使用无效的参数“？”“&”会让一条资源，在蜘蛛没有抓取的情况下抓取多个相同内容，不同url导致重复抓取，浪费站点的权益。
尽可能不适用参数，或者精简参数，仅保留必要参数，不要使用- #等连接符。
2、合理发现链路
蜘蛛要尽可能的抓取完整网站资源，就需要首页到每一个资源（页面）超链接关系都做好，这样蜘蛛也会省力。
从首页到内容来的路径是从首页到栏目一再到这个内容，这个链路关系我就把它称为一个发现链路。
后链的URL要在页面源码中直接露出，不要引入一些动作触发。
最好是使用百度资源平台的资源提交工具。
3、访问友好性
抓取器和网站要进行交互，要保证服务器稳定。
4、访问速度优化
a、加载时间，建议控制在三秒以内加载，会有一定程度的优待。
b、避免非必要的跳转，而且多级跳转也会影响加载速度。
三、规范http返回码
1、DNS解析
建议中文网站尽可能使用国内大型服务商提供的DNS服务，以保证站点的稳定解析，有些dns服务商尤其是国外的，可能会封禁国内解析请求。
2、爬虫封禁
慎重使用技术手段封禁爬虫抓取
期望搜索引擎不展现特定资源（不想让蜘蛛爬取特定资源）:建议采用robots屏蔽方式
期望限制爬取频率（蜘蛛爬取量过多）:建议通过资源平台工具设置
警惕误封禁，例如第三方防火墙服务封禁爬虫访问
3、服务器负载稳定
特别在短时间内大量提交优质资源后，关注服务器稳定，真的很优质且量大的内容，蜘蛛爬取频次会很高的。
四、重点常见问题解答
问：资源提交是不是越多越好?
答：收录效果的核心永远是内容质量，如果大量提交低质、泛滥资源会导致被算法别识别为低质，带来惩罚性打压。
问：为什么提交了普通收录但没有抓?
答：资源提交只能加速资源发现，不保证短时间内抓取;同时技术大大在持续优化筛选算法，让优质的资源更快得到抓取
普通收录和sitemap 的作用不是提交后立马抓取，具体什么时候抓还是依赖策略的一个计算和选取。
注：所以好多新站/低质量站点刚开始提交，看不到蜘蛛爬取。
问：抓取频次的高低和网站收录是否有联系？
答：抓取频次的高低其实和网站收录的效果是没有必然联系。
抓取目的主要分成两种：
第一种 抓取网站上没有抓过的页面。
第二种 抓取已经抓取过的页面，看这个页面是不是有更新。
注：第二种抓取目的很多站长都会忽略了，已经收录抓取的页面，在一次抓取，应该不是为了发现新页面（猜测），而是看页面是否“更新”内容。
问：新站会不会有固定的抓取次数？
答：任何网站的抓取中没有一个特别固定的次数。
自己建了个新站，其实很长时间百度采取抓取问题，基于这个问题，我们也做了一些相对应的优化，对于我们能识别出来新站，相比已经抓了一段时间的站，我会做一些相对应的流量倾斜的扶持。先给你一些流量，使站长能够在百度的系统里转起来，再基于你的价值判断来看，给予你流量是高还是低，是否需要去继续去提升。
注：本节公开课是五月二十一号的，今年确实有好多已备案新站，上线抓取频次很高，大概有1-2个月扶持。很多人借助百度给的扶持期，疯狂填充低质内容， 这是一个错误的操作。
问：每个站点蜘蛛的抓取配会不会有调整？大约多久会调整一次？有没有固定时间？
答：有调整。
对于新资源的抓取和站点的质量相关，对于旧资源的抓取和站点更新频率相关。
计算出来你的站点，质量有变化，新资源抓取的频率就会发生变化。
发现你的站长规模有变化，我们抓取频次会有变化。
站点有很大的变动或改版，被识别出来，更新频率也会有相应变化。
而整体上这些计算的，不是一个特别高的频次。大概会到一个周级的变化，才能体现出来。
注：这块说的四种可能会调整，更新变化频率是周级的。
问：网站将网站降权能否恢复？
答：网站降权恢复的前提是要针对网站的内容进行全面的自查整改，按照搜索资源平台发布的算法规范自查整改之后，要把相应的违规页面提交死链，线上进行删除之后搜索会对站点评评估。站点的内容都没有违规会进行恢复。
问：新站点是否有考核期？
答：没有一个严格的称为考核期的这么一个东西，新站点会有一定一个周期，来进行流量的倾斜，让新站在我们系统里转起来，这个周期大概是月级别的。假设新站已经给你倾斜一到两个月。发现你的价值还是不够高，可能我们就不会去特别高的处理。但是我们依旧会去抓，当发现站点质量有明显提升或优质规模有提升，也会相应去提升站点抓取频次。
注：这块是画重点，已备案，新站扶持期并非固定。
问：百度对于国外服务器和国内的服务器是否会有区别对待？
答：没有。从策略角度上来讲，没有一个特别硬性的策略来说，咱们对外网的要打压，对国内的要扶持，没有这样的一个策略的。只不过国外服务器延迟高不稳定因素多。
问：如果新站用一个老域名，会不会比用新域名更有优势？
答：这个不一定，在于老域名和新站是不是相同（相关）内容，如果在原来基础包装，起步阶段是有优势的，仅仅是起步阶段有优势。后期主要依赖内容。
老域名和新站内容领域不相符尤，非常不建议使用老域名，反而会影响价值评判，还不如做一个新站。
问：蜘蛛是否有权重IP之分？
答：没有。对于网站展现曝光依赖内容质量，结合用户行为进行评价的。
注：很多人一直都认为有蜘蛛权重ip，蜘蛛每天爬取量非常大，最常见的蜘蛛只有两段IP总共512个IP，百度这种出口IP肯定不止512组服务器，集群成千上万的服务器，这512个IP是出口IP，给后方集群服务器进行代理的IP。即使真有权重服务器，但是这个权重服务器也说不准从哪一个IP出来。
问：网站最近不收录有没有建议？
答：那要结合站点的内容，你的站点发布的内容在线上已经有大量的同质的资源，就会不会再进行抓取和展现。