百度VIP大講堂(上海站)QA集錦——抓取建庫篇
來源:http://zhanzhang.baidu.com/wiki/346
首先,小編要對(duì)各位站長朋友說聲抱歉,VIP大講堂上海站已經(jīng)過去N久,QA內(nèi)容今天才發(fā)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(jìn)行面對(duì)面的溝通。VIP大講堂上海站請(qǐng)出了百度spider專家孫權(quán),這是他第一次走出來與站長進(jìn)行培訓(xùn)交流,課程中抖出干貨無數(shù),各位無法參與現(xiàn)場培訓(xùn)的站長除了申請(qǐng)觀看培訓(xùn)現(xiàn)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(xiàn)場QA環(huán)節(jié)火爆熱烈內(nèi)容超多,故本次僅放出spider抓取建庫部分,其它內(nèi)容請(qǐng)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(wǎng)頁今天在明天就沒了?
答:百度會(huì)周期建庫,且每個(gè)庫的收錄量是恒定的,你老是有新增,肯定會(huì)再從庫里淘汰一些,反正總是保持那個(gè)庫是滿的。在建庫的過程中,你會(huì)感覺有波動(dòng)。具體的怎么篩,哪個(gè)頁面會(huì)留下哪個(gè)頁面會(huì)淘汰,這個(gè)策略是有很多的,他隨著時(shí)間的變化,收錄的標(biāo)準(zhǔn)策略也是在發(fā)生微調(diào)。
問:我們站點(diǎn)使用CDN加速會(huì)不會(huì)比較容易造成蜘蛛無法抓。恳?yàn)橛袝r(shí)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(jí),現(xiàn)在不存在這個(gè)問題,現(xiàn)在你如果修改掉也可以解析掉,之前可能會(huì)存在這個(gè)問題。
問:你們百度自己也有一個(gè)CDN加速,對(duì)抓錄排名有沒有影響?
答:在使用CDN加速這個(gè)問題上,我們對(duì)所有站點(diǎn)一視同仁。但我建議你使用技術(shù)能力強(qiáng)的CDN服務(wù)商,保證站點(diǎn)的穩(wěn)定和速度,百度會(huì)更喜歡。
問:剛才您說IP上的站點(diǎn)數(shù)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(shí)別出來是CDN的話不會(huì)受站點(diǎn)數(shù)量的影響,如果你是提供獨(dú)立IP的話會(huì)有這樣一些問題。
問:還是IP上站點(diǎn)數(shù)量的問題,如果是主域跟二級(jí)域名呢?也受數(shù)量限制?
答:我說的是獨(dú)立域名。當(dāng)然質(zhì)量比較好的二級(jí)域名也可以認(rèn)為是獨(dú)立域名。
問:多個(gè)域名,他有相同的一些內(nèi)容,怎么建庫?
答:如果是多域名在同一個(gè)主域下面有相同內(nèi)容的話,不可能所有都建庫,而且被建庫的那個(gè)可能不是你希望的那個(gè),所以盡量不要有相同的內(nèi)容。
問:剛才講的IP如果是多域名的話,好幾百個(gè)IP域名,現(xiàn)在我們也用了CDN,按照剛才的說法,單個(gè)IP最多抓多少?1000萬是說對(duì)站點(diǎn)還是對(duì)IP?
答:對(duì)IP,但1000萬是我舉例,不是實(shí)際的數(shù)據(jù),這個(gè)數(shù)據(jù)不會(huì)分享出來的。
問:現(xiàn)在我的網(wǎng)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(shè)白名單么?
答:百度蜘蛛IP是不斷變的,現(xiàn)在網(wǎng)上的確有一些白名單的說法,暫時(shí)是有較的,但不保證今后不會(huì)變,所以建議站點(diǎn)還是通過ua進(jìn)行判斷,我們百度站長平臺(tái)上有相關(guān)的文章,你可以找一下。
問:如果我寫robots只想禁掉動(dòng)態(tài)鏈接的話,會(huì)不會(huì)影響動(dòng)態(tài)參數(shù)前面正常鏈接的抓?
答:不會(huì)的,你原來的頁面還在,肯定會(huì)抓。
問:比如我們一個(gè)域名www.abcde.com,我們想把帶?號(hào)的url全部禁掉,首頁我們不要禁掉,怎么弄??
答:?前面有個(gè)*,后面再有個(gè)*就可以了。
問:我想了解,如果我現(xiàn)在收錄有5萬,大概多長時(shí)間才能把我原來收錄5萬重新抓取一遍?
答:不同站點(diǎn)不好說,一個(gè)是你站點(diǎn)做的很好,知名度很響更新很快質(zhì)量很好就會(huì)快;如果你的站點(diǎn)默默無聞,貢獻(xiàn)很少,可能就會(huì)很慢。
(接上個(gè)問題)
問:就是差不多的情況,大概。
答:這個(gè)沒有人能估出來。
問:百度站長平臺(tái)上有數(shù)據(jù)提交的工具,我們實(shí)時(shí)提交,你們也會(huì)實(shí)時(shí)抓取嗎?
答:不會(huì),他會(huì)有一層判斷,F(xiàn)在只是通知你提交成功,后面什么時(shí)候抓,什么時(shí)候建庫沒有,我們正在研究要不要把這個(gè)分享出來。
問:我網(wǎng)站有一些列表頁,都沒有鏈接,擔(dān)心百度抓不到
答:現(xiàn)在百度站長平臺(tái)的站內(nèi)搜索工具有一個(gè)綠色收錄通道,在那里提交種子頁,我們就知道的。
(接上個(gè)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(huì)不會(huì)有選擇性的進(jìn)行抓。
答:不會(huì),他都會(huì)一個(gè)不漏給你提出來,但會(huì)把JS、CSS這樣的鏈接給過濾掉。但請(qǐng)注意,全部抓取過來之后會(huì)進(jìn)行篩選,并不是所有都會(huì)建庫。
問:現(xiàn)在很多網(wǎng)站都有自己的站內(nèi)搜索,都會(huì)產(chǎn)生站內(nèi)搜索結(jié)果頁,百度不喜歡搜索結(jié)果頁的話,我們用這個(gè)會(huì)不會(huì)對(duì)我們有影響?只是不喜歡還是對(duì)我們網(wǎng)站會(huì)有懲罰
答:蜘蛛會(huì)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(zhì)量不好問題不大,如果整體質(zhì)量較差,有可能受到懲罰。
問:新出的時(shí)效性文章當(dāng)時(shí)沒有被收錄,后期是否還會(huì)被收錄?
答:會(huì)
問:站點(diǎn)每天最高爬蟲多少次?
答:這個(gè)其實(shí)說不好,有的站點(diǎn)我們一天會(huì)抓一兩千萬,有的站點(diǎn)只抓幾個(gè)、幾十個(gè),看你的規(guī)模和質(zhì)量,而且這個(gè)抓取量也是會(huì)根據(jù)網(wǎng)站的情況進(jìn)行調(diào)整的。
推薦鏈接:棗莊seo
錄入時(shí)間:2014/12/6 Hits:5024