Baiduspider抓取建庫篇——VIP大講堂（上海站）QA集錦
分享
評論
贊0
首先，小編要對各位站長朋友說聲抱歉，VIP大講堂上海站已經過去N久，QA內容今天才發布出來。各位站長參加VIP大講堂，除了聆聽官方聲音外，更重要的是可以與百度專家進行面對面的溝通。VIP大講堂上海站請出了百度spider專家孫權，這是他第一次走出來與站長進行培訓交流，課程中抖出干貨無數，各位無法參與現場培訓的站長除了申請觀看培訓現場視頻外，還可以通過QA記錄看看自己心中的疑問是否已被解答。
由于現場QA環節火爆熱烈內容超多，故本次僅放出spider抓取建庫部分，其它內容請靜待下期。
問：為什么收錄量像坐過山車一樣的，還有為什么有些網頁今天在明天就沒了？
答：百度會周期建庫，且每個庫的收錄量是恒定的，你老是有新增，肯定會再從庫里淘汰一些，反正總是保持那個庫是滿的。在建庫的過程中，你會感覺有波動。具體的怎么篩，哪個頁面會留下哪個頁面會淘汰，這個策略是有很多的，他隨著時間的變化，收錄的標準策略也是在發生微調。
問：我們站點使用CDN加速會不會比較容易造成蜘蛛無法抓取？因為有時候修改掉他綁定的什么東西。
答：如果要修改掉一定要通知到上一級，現在不存在這個問題，現在你如果修改掉也可以解析掉，之前可能會存在這個問題。
問：你們百度自己也有一個CDN加速，對抓錄排名有沒有影響？
答：在使用CDN加速這個問題上，我們對所有站點一視同仁。但我建議你使用技術能力強的CDN服務商，保證站點的穩定和速度，百度會更喜歡。
問：剛才您說IP上的站點數不能太多，那CDN這種情況怎么辦？
答：CDN的情況另說，如果我們識別出來是CDN的話不會受站點數量的影響，如果你是提供獨立IP的話會有這樣一些問題。
問：還是IP上站點數量的問題，如果是主域跟二級域名呢？也受數量限制？
答：我說的是獨立域名。當然質量比較好的二級域名也可以認為是獨立域名
問：多個域名，他有相同的一些內容，怎么建庫？
答：如果是多域名在同一個主域下面有相同內容的話，不可能所有都建庫，而且被建庫的那個可能不是你希望的那個，所以盡量不要有相同的內容。
問：剛才講的IP如果是多域名的話，好幾百個IP域名，現在我們也用了CDN，按照剛才的說法，單個IP最多抓多少？1000萬是說對站點還是對IP？
答：對IP，但1000萬是我舉例，不是實際的數據，這個數據不會分享出來的
問：現在我的網站被很多蜘蛛爬，我想只讓百度蜘蛛爬，百度蜘蛛IP多少？能設白名單么？
答：百度蜘蛛IP是不斷變的，現在網上的確有一些白名單的說法，暫時是有效的，但不保證今后不會變，所以建議站點還是通過ua進行判斷，我們百度站長平臺上有相關的文章，你可以找一下。
問：如果我寫robots只想禁掉動態鏈接的話，會不會影響動態參數前面正常鏈接的抓取？
答：不會的，你原來的頁面還在，肯定會抓。
問：比如我們一個域名www.abcde.com，我們想把帶？號的url全部禁掉，首頁我們不要禁掉，怎么弄？
答：?前面有個*，后面再有個*就可以了。
問：我想了解，如果我現在收錄有5萬，大概多長時間才能把我原來收錄5萬重新抓取一遍？
答：不同站點不好說，一個是你站點做的很好，知名度很響更新很快質量很好就會快；如果你的站點默默無聞，貢獻很少，可能就會很慢。
（接上個問題）
問：就是差不多的情況，大概。
答：這個沒有人能估出來。
問：百度站長平臺上有數據提交的工具，我們實時提交，你們也會實時抓取嗎？
答：不會，他會有一層判斷。現在只是通知你提交成功，后面什么時候抓，什么時候建庫沒有，我們正在研究要不要把這個分享出來。
問：我網站有一些列表頁，都沒有鏈接，擔心百度抓不到
答：現在百度站長平臺的站內搜索工具有一個綠色收錄通道，在那里提交種子頁，我們就知道的。
（接上個問題）
問：提交種子頁面必須要用站搜？
答：是的。
問：如果說頁面里url特別多的話，蜘蛛會不會有選擇性的進行抓取？
答：不會，他都會一個不漏給你提出來，但會把JS、CSS這樣的鏈接給過濾掉。但請注意，全部抓取過來之后會進行篩選，并不是所有都會建庫。
問：現在很多網站都有自己的站內搜索，都會產生站內搜索結果頁，百度不喜歡搜索結果頁的話，我們用這個會不會對我們有影響？只是不喜歡還是對我們網站會有懲罰
答：蜘蛛會去抓，抓完之后重要是提取里面的鏈接。如果只有一兩條這樣的頁面質量不好問題不大，如果整體質量較差，有可能受到懲罰。
問：新出的時效性文章當時沒有被收錄，后期是否還會被收錄？
答：會
問：站點每天最高爬蟲多少次？
答：這個其實說不好，有的站點我們一天會抓一兩千萬，有的站點只抓幾個、幾十個，看你的規模和質量，而且這個抓取量也是會根據網站的情況進行調整的。
作者：百度站長平臺
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論