優(yōu)化網(wǎng)站的抓取和收錄

網(wǎng)絡(luò)世界極其龐大；每時(shí)每刻都在產(chǎn)生新的內(nèi)容。百度本身的資源是有限的，當(dāng)面對(duì)幾近無窮無盡的網(wǎng)絡(luò)內(nèi)容的時(shí)候，百度蜘蛛只能找到和抓取其中一定比例的內(nèi)容。然后，在我們已經(jīng)抓取到的內(nèi)容中，我們也只能索引其中的一部分。URLs 就像網(wǎng)站和搜索引擎抓取工具之間的橋梁: 為了能夠抓取到您網(wǎng)站的內(nèi)容，抓取工具需要能夠找到并跨越這些橋梁(也就是找到并抓取您的URLs)。

1.如果您的URLs很復(fù)雜或冗長(zhǎng)，抓取工具不得不需要反復(fù)花時(shí)間去跟蹤這些網(wǎng)址；

2.如果您的URLs很規(guī)整并且直接指向您的獨(dú)特內(nèi)容，抓取工具就可以把精力放在了解您的內(nèi)容上，而不是白白花在抓取空網(wǎng)頁(yè)或被不同的URLs指引卻最終只是抓取到了相同的重復(fù)內(nèi)容。

在上面的幻燈片上，您可以看到一些我們應(yīng)當(dāng)避免的反例–這些都是現(xiàn)實(shí)中存在的URL例子(盡管他們的名稱由于保護(hù)隱私的原因已經(jīng)被替換了)，這些例子包括被黑的URL和編碼，冗余的參數(shù)偽裝成URL路徑的一部分，無限的抓取空間，等等。您還可以找到幫助您理順這些網(wǎng)址迷宮和幫助抓取工具更快更好地找到您的內(nèi)容的一些建議，主要包括：去除URL中的用戶相關(guān)參數(shù)那些不會(huì)對(duì)網(wǎng)頁(yè)內(nèi)容產(chǎn)生影響的URL中的參數(shù)——例如session ID或者排序參數(shù)——是可以從URL中去除的，并被cookie記錄的。通過將這些信息加入cookie，然后301重定向至一個(gè)“干凈”的URL，你可以保持原有的內(nèi)容，并減少多個(gè)URL指向同一內(nèi)容的情況�？刂茻o限空間你的網(wǎng)站上是否有一個(gè)日歷表，上面的鏈接指向無數(shù)個(gè)過去和將來的日期（每一個(gè)鏈接地址都獨(dú)一無二）？你的網(wǎng)頁(yè)地址是否在加入一個(gè)&page=3563的參數(shù)之后，仍然可以返回200代碼，哪怕根本沒有這么多頁(yè)？如果是這樣的話，你的網(wǎng)站上就出現(xiàn)了所謂的“無限空間”，這種情況會(huì)浪費(fèi)抓取機(jī)器人和你的網(wǎng)站的帶寬。

服務(wù)器租用/服務(wù)器托管中國(guó)五強(qiáng)！虛擬主機(jī)域名注冊(cè)頂級(jí)提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]