完美解決搜索引擎爬蟲重復(fù)抓取網(wǎng)站頁(yè)面的問題

         對(duì)于做SEO的從業(yè)者來(lái)講，想要解決爬蟲重復(fù)抓取的問題，就要了解搜索引擎為什么重復(fù)抓取的原因，在聊這個(gè)問題之前，我們需要理解一個(gè)概念。首先爬蟲本身是無(wú)序的抓取，他不知道先抓什么再抓什么，只知道看到了什么，且計(jì)算后認(rèn)為有價(jià)值就進(jìn)行抓取。

而對(duì)于我們而言，抓取的整個(gè)過(guò)程中，我們最要解決是如下幾類:

         1.新產(chǎn)生的頁(yè)面，沒有被抓取過(guò)的

         2.產(chǎn)生了一段時(shí)間，遲遲不被抓取的

         3.產(chǎn)生了一段時(shí)間，卻一直沒收錄的

         4.產(chǎn)生很久的頁(yè)面，但最近更新了

         5.包含內(nèi)容更多的聚合頁(yè)面，如首頁(yè)、列表頁(yè)

         6.如上幾類，按照順序我們定義哪一類最需要被爬蟲抓取。

         針對(duì)大型網(wǎng)站，搜索引擎爬蟲抓取資源過(guò)剩，而針對(duì)小網(wǎng)站，抓取資源稀缺。所以在這里我們強(qiáng)調(diào)一下，我們不是要解決搜索引起爬蟲重復(fù)抓取的問題，而是要解決搜索引擎爬蟲最快的抓取我們希望抓取的頁(yè)面。要把這個(gè)思路糾正！

         下面，我們聊一下怎么讓搜索引擎爬蟲最快的抓取我們希望被抓取的頁(yè)面。

         爬蟲是抓取到一個(gè)網(wǎng)頁(yè)，從這個(gè)網(wǎng)頁(yè)在找到更多的鏈接，周而復(fù)始的過(guò)程，那么這個(gè)時(shí)候我們就要知道要想被爬蟲更大概率抓取，就要給更多的鏈接，讓搜索引擎爬蟲發(fā)現(xiàn)我們希望被抓取的網(wǎng)頁(yè)。這里我拿上述的第一種情況舉例說(shuō)明一下：

新產(chǎn)生的頁(yè)面，沒有被抓取過(guò)的

         這類一般都會(huì)是文章頁(yè)，針對(duì)于這類我們的網(wǎng)站每天都會(huì)大量產(chǎn)生，所以我們就要在更多的網(wǎng)頁(yè)給予這部分鏈接。例如首頁(yè)、頻道頁(yè)、欄目/列表頁(yè)、專題聚合頁(yè)、甚至文章頁(yè)本身，都需要具備一個(gè)最新文章板塊，以此等待爬蟲抓取到我們的任何網(wǎng)頁(yè)時(shí)，都能發(fā)現(xiàn)最新的文章。

         同時(shí)，試想一下，這么多頁(yè)面都有新文章的鏈接，連接傳遞權(quán)重，那這新文章，既被抓取了，權(quán)重也不低。被收錄的速度會(huì)明顯提升。那針對(duì)那些長(zhǎng)時(shí)間不收錄的，也可以考慮是不是權(quán)重太低了，我多給一些內(nèi)鏈支持，傳遞一些權(quán)重。應(yīng)該會(huì)有收錄的可能。當(dāng)然也有可能不收錄，那你就要靠?jī)?nèi)容本身的質(zhì)量了。之前有一篇文章是專門說(shuō)內(nèi)容質(zhì)量的也歡迎大家閱讀：什么內(nèi)容容易被百度判斷為優(yōu)質(zhì)內(nèi)容？。  

         所以，我們?yōu)榱私鉀Q搜索引擎爬蟲重復(fù)抓取問題不是我們最終要解決的。因?yàn)楸举|(zhì)上搜索引擎爬蟲是無(wú)序的，我們只能通過(guò)針對(duì)網(wǎng)站的架構(gòu)、推薦算法、運(yùn)營(yíng)策略等進(jìn)行干預(yù)。使爬蟲給予我們更理想的抓取效果。如果你不會(huì)根據(jù)爬蟲的自身抓取效果進(jìn)行優(yōu)化網(wǎng)站，也可以聯(lián)系我。