返回首页

首页 首页 >  文章资讯  >  建站  >  网站运营

如何提高spider抓取网站?

发布时间:2019-11-13 12:00:37 浏览次数:4次

  一、多种URL重定向的识别

  为了让spider能够对多种URL重定向的识别,重定向分别有三类:HTTP 30x重定向、Meta refresh重定向和JS重定向。百度目前也支持Canonical标签。

  二、抓取优先级调配

  想让搜索引擎抓取网站全部页面,是没有百分百的。所以需要在抓取系统设计抓取优先级调配。

  抓取优先级调配包含:宽度优先遍历策略、PR优先策略、深度优先遍历策略等等。根据实际情况结合多种策略使用完善抓取效果。

  三、重复URL的过滤

  网站出现重复的URL过多,会引发被降权。北京肾病医院

  重复页面可以使用301重定向,在服务器端对标准URL进行定义。把不标准的URL都301重定向到标准的URL上。

  四、暗网数据的获取http://m.fh21.com.cn/news/yldt/jdym/

  暗网数据指的是搜索引擎无法抓取的数据。主要因为网站上的数据都在网络数据库中,spider很难抓取中获得完整内容;其次网络环境和网站本身不符合规范等问题,导致搜索引擎无法抓取。

  解决暗网数据的问题,可以通过百度站长平台数据提交的方式来解决。

  五、抓取反作弊

  Spider在抓取过程中会抓取到低质量页面或者是被黑的页面。通过分析URL特征、页面的大小等等原因,完善的抓取反作弊。

【版权与免责声明】如发现内容存在版权问题,烦请提供相关信息发邮件至 335760480@qq.com ,我们将及时沟通与处理。 本站内容除了51链 ( sh-stu.com )原创外,其它均为网友转载内容,涉及言论、版权与本站无关。
返回首页