售前咨询 售前咨询
二维码 扫码咨询
微信咨询
申请方案
SITE TOPIC网站专题
首页
>
网站专题
>
建站经验
分享新闻到:

影响百度爬虫对网站抓取量的因素

来源:www.net5008.com 发布日期:2017-11-23 10:54:04 阅读数:973

首先介绍一下百度爬虫抓取量,其实就是百度爬虫对站点一天抓取网页的数量,从百度内部透露来说,一般会抓两种网页,其中一个是这个站点产生新的网页,一般 中小型站当天就可以完成,大型网站可能完成不了,另一种是百度以前抓过的网页,它是需要更新的,比如一个站点已经被百度收录了5w,那么百度会给出一个时 间段,比如30天,然后平均一下,每天到这个站点上面抓5W/30的这样一个数字,但是具体的量,百度有自己的一套算法公式来计算。

影响百度抓取量的因素:

1、站点安全

对于中小型站点,在安全技术上比较薄弱,被黑被篡改的现象非常常见,一般被黑有常见几种情况,一种是主域被黑,一种是标题被篡改,还有一种是在页面里面加 了很多的外链。一般主域被黑就是被劫持,就是主域被进行301的跳转到指定的网站,而如果在百度那边发现跳转后的是一些垃圾站,那么你这个站点抓取量会里 面降低。

2、内容质量

如果抓取了10万条,而只有100条建库了,那么抓取量还会降下来,因为百度会认为抓取的网页比例很低,那么就没必要去抓取更多,所以要"宁缺毋滥",特别要注意在建站的时候一定要注意质量,不要采集一些内容,这是一种潜在的隐患。

3、站点响应速度

①网页的大小会影响抓取,百度建议网页的大小在1M以内,当然类似大的门户网站,如新浪另说。

②代码质量、机器的性能及带宽,这个不多说,后续笔者会单独拿出一篇文章讲解。

百度抓取都是按照ip进行去抓取的,比如在一个ip上一天抓取了1000w个页面,而在这个站点上有40W的站点,那么平均下来抓取每个站点的数量会分的 很少,所以在选择服务商的时候,要看一看同ip上面有没有大站,如果有大站的话,可能会被分得的抓取量会很少因为流量都跑大站上面去了。