hyleong's blog

记录网络生活,回味成长经历:)

百度站长俱乐部对返回码的建议

百度爬虫在进行抓取和处理时,是根据http协议规范来设置相应的逻辑的,所以请站长们也尽量参考http协议中关于返回码的含义的定义来进行设置。对于中文站来说,百度提供的建议还是很有权威的。\r\n\r\n百度spider对常用的http返回码的处理逻辑是这样的:\r\n1、404\r\n404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。\r\n\r\n2、503\r\n503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。\r\n\r\n3、403\r\n403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。\r\n\r\n4、301\r\n301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。\r\n\r\n我们的建议\r\n1、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。\r\n\r\n2、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。\r\n\r\n3、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。\r\n\r\n4、站点迁移,或域名更换时,请使用301返回码。\r\n\r\n \r\n\r\n通常301也可以用来对网站地址标准化,例如把不带www跳转到带www的。如果是apache或者litespeed等支持.htacess文件的话可以用如下代码实现:\r\n\r\nRewriteEngine on\r\nRewriteCond %{http_host} ^mydomain.com [NC]\r\nRewriteRule ^(.*)$ http://www.mydomain.com/$1 [L,R=301]\r\n\r\n \r\n\r\n站长俱乐部也对网站服务器更换提出了一些建议,非常值得参考:\r\n由于dns刷新等多种原因,服务器切换不是无缝的。更换服务器需要谨慎对待,建议更换服务器的站长,参照百度搜索引擎优化指南所建议的步骤:\r\n\r\n•开通新的空间,并将网站完整的迁移到新空间,并保持流畅访问\r\n•将域名的服务器指向更新为新空间的ip\r\n•保证旧空间能持续访问一段时间\r\n•关注新空间的访问日志,等Baiduspider的抓取完全迁移到新空间后,停止旧空间的服务。

4 Comments

  1. 必须知道、、

  2. 之前我更改过博客固定链接,后来百度收录的许多都被删了,唉,不久前才知道有301这一说

发表评论

电子邮件地址不会被公开。 必填项已用*标注

*

This site uses Akismet to reduce spam. Learn how your comment data is processed.

© 2018 hyleong's blog

Theme by Anders NorenUp ↑