一、百度蜘蛛是什么
百度蜘蛛,全称应该为“百度搜索引擎蜘蛛”,英文为“Baidu Spider”,是百度搜索引擎系统中的一个自动程序,主要负责访问并收集互联网上的页面。后面其他程序会进行分类整理并建立索引数据库,在用户在百度搜索时,会从索引数据库中调用数据,并呈现出程序认为最合适的排名结果页面。
二、百度蜘蛛的工作原理
1、百度蜘蛛是如何爬行的
百度搜索引擎蜘蛛访问(爬行)网站页面的过程和我们平时使用浏览器基本相同。
1)百度蜘蛛请求
百度搜索引擎蜘蛛发出页面访问的请求。
2)服务器响应
服务器返回HTML代码。
3)百度蜘蛛保存代码
百度搜索引擎蜘蛛将收到的代码保存至原始页面数据库中。后期其他程序会进行复杂操作,大部分优质内容会被放入索引数据库,一部分低质将会被忽略。
2、百度蜘蛛是如何工作的
百度搜索引擎蜘蛛为了提高爬行和抓取的效率,采用多个蜘蛛并发分布爬行。有两种策略。
1)深度优先
深度优先是顺着链接一直向前爬行,直到前面再也没有其他链接,然后返回第一个页面,沿着另外一个链接继续一直往前爬行。
2)广度优先
广度优先是指先爬行当前页面上的所有导出链接,然后再去爬行某一导出链接页面上的所有链接。
3、百度蜘蛛还做了哪些工作
1)对网站复制内容的检测
对于某些权重较低的网站复制内容过多,搜索引擎蜘蛛可能就不会再继续爬行。
2)不爬行与抓取地址库中的URL
百度搜索引擎建立一个地址库,如果url已经在地址库中,百度搜索引擎蜘蛛就不会重复去爬行与抓取,所以,百度蜘蛛在发现链接后,并不是马上去访问,而是先将URL存入地址库中,然后统一安排抓取。
4、通常地址库的URL有几种来源
1)百度搜索引擎蜘蛛抓取
主要来源之一。
2)站长sitemap提交
网站站长为了网站文章更快被搜索引擎所收录,通常会提交网站的XML地图给搜索引擎,XML地图包含了网站所有的链接。
3)站长提交网址
站长可以提交未被百度收录的网站首页或内容页。
4)百度工作人员主动录入种子网站
百度搜索引擎会把认为网站比较重要,比较有前途的网站主动人工录入。
搜索引擎的蜘蛛是如何爬的,如何吸引蜘蛛来抓取页面
搜索引擎的工作过程大体可以分成三个阶段:
(1)爬行和抓取:搜索引擎蜘蛛通过跟踪链接发现和访问页面,读取页面HTML代码,存到数据库。
(2)预处理:索引程序对抓取来的页面数据进行文字提取、中文分词、索引、倒排索引等处理,以备排名程序调用。
(3)排名:用户输入查询词(关键词)后,排名程序调用索引数据,计算相关性,然后按一定格式生成搜索结果页面。
爬行和抓取是搜索引擎工作的第一步,完成数据收集的任务。搜索引擎用来抓取页面的程序被称为蜘蛛(spider)
一个合格的SEOer,要想让自己的更多页面被收录,就要想法设法吸引蜘蛛来抓取。
蜘蛛抓取页面有几方面因素:
(1)网站和页面的权重,质量高、时间长的网站一般被认为权重比较高,爬行深度也会比较高,被收录的页面也会更多。
(2)页面的更新频率,蜘蛛每次爬行都会把页面数据储存起来,如果第二次,第三次的抓取和第一次的一样,说明没有更新,久而久之,蜘蛛也就没有必要经常抓取你的页面啦。如果内容经常更新,蜘蛛就会频繁访问页面,来抓取新的页面。
(3)导入链接,不管是内部链接还是外部链接,要想被蜘蛛抓取,就必须有导入链接进入页面,否则蜘蛛就不会知道页面的存在。
(4)与首页的点击距离,一般网站上权重最高的是首页,大部分外部链接都会指向首页,那么蜘蛛访问最频繁的页面就是首页,离首页点击距离越近,页面权重越高,被爬行的机会越大。
如何吸引蜘蛛来抓取我们的页面?
坚持有频率的更新网站内容,最好是高质量的原创内容。
主动向搜索引擎提供我们的新页面,让蜘蛛更快的发现,如百度的链接提交、抓取诊断等。
搭建外部链接,可以和相关的网站做友情链接交换,可以去别的平台发布高质量的文章指向自己的页面,内容要相关。
制作网站地图,每个网站都应该有一个sitemap,网站所有的页面都在sitemap中,方便蜘蛛抓取。
三、怎么让百度蜘蛛每天抓取
秒收录是每一个站长的心愿,原来做到秒收录确实挺难的,可现在有了百度熊掌号,原创优质文章几乎可以达到秒收录,不过官方声明为1小时内收录。除了百度熊掌号外,还有几点可以吸引百度蜘蛛每天来抓取我们的网站。
1、页面更新频率
网站更新文章频率越高越好,前提是保证文章质量与原创比例的前提下。
2、导入链接
网站导入链接越多越好,前提是优质的导入链接,友链和单向外链均可。
3、URL结构
URL结构要扁平化,浅一些可能收录效果会更好。
4、网站权重
网站权重越高,蜘蛛来访越频繁,都是相辅相成的。
5、与首页的距离
文章页面最好与首页不要太远,如三级即可。
6、页面质量
文章质量一定要保证,原创优质文章也好,转载的文章也好,总之一定要优秀。