当前位置:首页 >  站长 >  搜索优化 >  正文

浅谈百度爬虫的HTTP状态码返回机制

 2022-04-21 10:46  来源: 网络综合   我来投稿 撤稿纠错

  【推荐】海外独服/站群服务器/高防

研究seo的一定很了解下面这些返回码的含义了,对于这些不是很熟悉的朋友也应该了解一下基本的比如200是请求成功,301重定向,404找不到等等。下面首先会介绍一下百度对于各个状态吗的处理逻辑。

百度 spider 对常用的 http 返回码的处理逻辑是这样的 :

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。

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。

403 403返回码的含义是“Forbidden”,百度会认为网页当前禁止访问。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。

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。

如果站点临时关闭,当网页不能打开时,不要立即返回404,建议使用503状态。503可以告知百度spider该页面临时不可访问,请过段时间再重试。

如果百度spider对您的站点抓取压力过大,请尽量不要使用404,同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接,如果那个时间站点空闲,那它就会被成功抓取了。

有一些网站希望百度只收录部分内容,例如审核后的内容,累积一段时间的新用户页等等。在这种情况,建议新发内容暂时返回403,等审核或做好处理之后,再返回正常状态的返回码。

站点迁移,或域名更换时,请使用301返回码。

申请创业报道,分享创业好点子。点击此处,共同探讨创业新机遇!

相关标签
https网站
百度爬虫

相关文章

  • 使用CDN、HTTPS 无论你是否已经在用 必读

    有人说,我的网站用了CDN加速后更慢了,也有人说我开了CDN以后,网站就降权了,真是不敢用啊!还有人说,用了HTTPS以后站点就不收录了,形形色色的CDN和HTTPS问题,这篇文章全面做一个解读,哪怕你的网站已经做了设置,可是,真的对了吗?正确的操作,还可以节省一大笔钱!1、使用CDN网站降权了不要

  • 浅谈HTTPS化对SEO带来的影响及相关的优化建议

    Google搜索引擎对HTTPS站点的支持程度尚且较好,而HTTPS化以后来自百度搜索的流量将会受损,这里我们就来浅谈HTTPS化对SEO带来的影响及相关的优化建议:

    标签:
    https网站
  • https站点如何建设才能提高对百度友好度?

    由于百度不会主动抓取https网页,因而导致了很多https网页无法被收录。今日,百度站长平台就“https站点如何建设才能对百度友好”这一问题发布了公告,文中阐述了该问题的注意事项、以及应对方案

    标签:
    https网站
  • 爬虫有哪些分类?白话说说SEO好朋友爬虫

    本文大纲:1、爬虫是什么?反爬虫又是什么?2、爬虫有哪些分类?3、爬中流程与搜索引擎工作流程4、http/https协议与状态码5、robots协议爬虫是什么?反爬虫又是什么?这里的爬虫不是我们生活中的爬虫,如蜘蛛。这里的爬虫更多指的是网络爬虫,即我们叫它网页蜘蛛或网络机器人。当然,在SEO里,叫网

    标签:
    百度爬虫
  • HTTPS站点搭建教程:Win7/Windows Server 2008R2

    本文将由笔者为各位读者介绍在win7/windowsserver2008R2环境下使用SSL加密协议建立WWW站点的全过程:httpsSSL证书安装的搭建以及本地测试环境。

    标签:
    https网站

热门排行

信息推荐