正文

搜索引擎蜘蛛的描述（搜索引擎蜘蛛的描述正確的是）

發(fā)布時間：2023-04-08 12:38:06 稿源：創(chuàng)意嶺閱讀： 147

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于搜索引擎蜘蛛的描述的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、百度蜘蛛是什么，常見百度爬蟲有那些問題
2、>>百度搜索引擎蜘蛛的工作原理是什么？
3、幾個主流搜索引擎蜘蛛的名稱
4、搜索引擎蜘蛛爬行規(guī)律探秘(一)蜘蛛如何抓取鏈接

搜索引擎蜘蛛的描述（搜索引擎蜘蛛的描述正確的是）

一、百度蜘蛛是什么，常見百度爬蟲有那些問題

簡單理解，百度蜘蛛又名百度爬蟲，主要的工作職能是抓取互聯(lián)網(wǎng)上現(xiàn)有的URL，并對頁面質(zhì)量進(jìn)行評估，給出基礎(chǔ)性的判斷。

通常百度蜘蛛抓取規(guī)則是：

種子URL->待抓取頁面->提取URL->過濾重復(fù)URL->解析網(wǎng)頁鏈接特征->進(jìn)入鏈接總庫->等待提取。

1、如何識別百度蜘蛛

快速識別百度蜘蛛的方式有兩種：

① 網(wǎng)站<a href=網(wǎng)址>蜘蛛日志分析，可以通過識別百度蜘蛛U(xiǎn)A，來判斷蜘蛛來訪記錄，相對便捷的方式是利用<a href=網(wǎng)址>SEO軟件</a>去自動識別。關(guān)于百度UA的識別，你也可以查看官方文檔：<a href=網(wǎng)址

② CMS程序插件，自動嵌入識別百度爬蟲，當(dāng)蜘蛛來訪的時候，它會記錄相關(guān)訪問軌跡。

2、百度蜘蛛收錄網(wǎng)站規(guī)則有那些?

并不是每一個網(wǎng)站的蜘蛛來爬尋抓取就會被收錄的，這樣就會形成一個搜索引擎主要流程，這個流程主要分為，抓取、篩選、對比、索引最后就是釋放，也技術(shù)展現(xiàn)出來的頁面。

抓取：爬蟲是根據(jù)網(wǎng)站URL連接來爬尋的，它的主要目的是抓取網(wǎng)站上所以文字連接，一層一層有規(guī)則的爬尋。

篩選：當(dāng)抓取完成后，篩選這個步驟主要是篩選出垃圾文章，比如翻譯、近義詞替換、偽原創(chuàng)文章等，搜索引擎都能夠識別出來，而是通過這一步驟識別。

對比：對比主要是實(shí)行百度的星火計(jì)劃，保持文章的原創(chuàng)度。通常情況下，經(jīng)過對比的步驟的時候，搜索引擎會對你站點(diǎn)進(jìn)行下載，一來對比，二來創(chuàng)建快照，所以搜索引擎蜘蛛已經(jīng)訪問你的網(wǎng)站，所以網(wǎng)站日志中會有百度的IP。

索引：通過確定你網(wǎng)站沒有問題的時候，才會對你網(wǎng)站創(chuàng)建索引，如果創(chuàng)建索引了，這也說明你的站點(diǎn)被收錄了，有時候我們在百度搜索還是不出來，可能原因是還沒有被釋放出來，需要等待。

3、關(guān)于百度爬蟲一些常見問題：

① 如何提高百度抓取頻率，抓取頻率暴漲是什么原因

早期，由于收錄相對困難，大家非常重視百度抓取頻率，但隨著百度戰(zhàn)略方向的調(diào)整，從目前來看，我們并不需要刻意追求抓取頻率的提升，當(dāng)然影響抓取頻次的因素主要包括：網(wǎng)站速度、安全性、內(nèi)容質(zhì)量、社會影響力等內(nèi)容。

如果你發(fā)現(xiàn)站點(diǎn)抓取頻率突然暴漲，可能是因?yàn)椋捍嬖阪溄酉葳?，蜘蛛不能很好抓取頁面，或者?nèi)容質(zhì)量過低，需要從新抓取，也可能是網(wǎng)站不穩(wěn)定，遭遇負(fù)面SEO攻擊。

② 如何判斷，百度蜘蛛是否正常抓取

很多站長新站上線，總是所發(fā)布的文章不收錄，于是擔(dān)心百度爬蟲是否可以正常抓取，這里官方提供兩個簡單的工具：

百度抓取診斷：

百度Robots.txt檢測：

你可以根據(jù)這兩個頁面，檢測網(wǎng)頁的連通性，以及是否屏蔽了百度蜘蛛抓取。

③ 百度爬蟲持續(xù)抓取，為什么百度快照不更新

快照長時間不更新并沒有代表任何問題，你只需要關(guān)注是否網(wǎng)站流量突然下降，如果各方面指標(biāo)都正常，蜘蛛頻繁來訪，只能代表你的頁面質(zhì)量較高，外部鏈接非常理想。

④ 網(wǎng)站防止侵權(quán)，禁止右鍵，百度蜘蛛是否可以識別內(nèi)容

如果你在查看網(wǎng)頁源代碼的時候，可以很好的看到頁面內(nèi)容，理論上百度蜘蛛就是可以正常抓取頁面的，這個你同樣可以利用百度抓取診斷去解析一下看看。

⑤ 百度蜘蛛，真的有降權(quán)蜘蛛嗎？

早期，很多SEO人員喜歡分析百度蜘蛛IP段，實(shí)際上官方已經(jīng)明確表示，并沒有說明哪些蜘蛛的爬行代表降權(quán)，所以這個問題不攻自破。

⑥屏蔽百度蜘蛛,還會收錄嗎？

常規(guī)來說屏蔽百度蜘蛛是沒辦法收錄，雖然會收錄首頁，但是內(nèi)頁卻不能收錄的，就好比“淘寶”基本上都是屏蔽了百度蜘蛛，只有首頁但是依然排名很好。

總結(jié)：很多市面上就會出現(xiàn)一個蜘蛛池這樣的字眼呈現(xiàn)，這是一種并不好的一種變現(xiàn)的方式，搜外seo并不建議大家使用，上述僅供大家參考。

二、>>百度搜索引擎蜘蛛的工作原理是什么？

搜索引擎蜘蛛名稱根據(jù)搜索引擎都不同。那它的原理是由一個啟始鏈接開始抓取網(wǎng)頁內(nèi)容，同時也采集網(wǎng)頁上的鏈接，并將這些鏈接作為它下一步抓取的鏈接地址，如此循環(huán)，直到達(dá)到某個停止條件后才會停止。停止條件的設(shè)定通常是以時間或是數(shù)量為依據(jù)，可以通過鏈接的層數(shù)來限制網(wǎng)絡(luò)蜘蛛的爬取。同時頁面信息的重要性為客觀因素決定了蜘蛛對該網(wǎng)站頁面的檢索。站長工具中的搜索引擎蜘蛛模擬器其實(shí)它就是這個原理。基于這蜘蛛工作原理，站長都會不自然的增加頁面關(guān)鍵詞出現(xiàn)次數(shù)，雖然對密度產(chǎn)生量的變化，但對蜘蛛而言并沒達(dá)到一定質(zhì)的變化。這在搜索引擎優(yōu)化過程中應(yīng)該要避免的。

三、幾個主流搜索引擎蜘蛛的名稱

1.Google蜘蛛名稱

1）Googlebot：從Google的網(wǎng)站索引和新聞索引中抓取網(wǎng)頁

2）Googlebot-Mobile針對Google的移動索引抓取網(wǎng)頁

3）Googlebot-Image：針對Google的圖片索引抓取網(wǎng)頁

4）Mediapartners-Google：抓取網(wǎng)頁確定AdSense的內(nèi)容。只有在你的網(wǎng)站上展示AdSense廣告的情況下，Google才會使用此漫游器來抓取您的網(wǎng)站。

5）Adsbot-Google：抓取網(wǎng)頁來衡量AdWords目標(biāo)網(wǎng)頁的質(zhì)量。只有在你使用GoogleAdWords為你的網(wǎng)站做廣告的情況下，Google才會使用此漫游器。

2.百度蜘蛛名稱：

Baiduspider首字母B大寫，其余為小寫

3.雅虎（Yahoo!）蜘蛛名稱：

1）Yahoo!搜索蜘蛛名稱：Yahoo!Slurp.

2）Yahoo!搜索引擎廣告蜘蛛：Yahoo!-AdCrawler.用來抓取Yahoo!搜索引擎廣告登陸頁網(wǎng)頁

4.有道蜘蛛名稱：

YodaoBot

5.騰訊搜搜soso蜘蛛名稱：

Sosospider首字母S大寫，其余為小寫

6.搜狗（sogou）蜘蛛名稱：

sogouspider

7.Live蜘蛛名稱

1）MSNBot：Mainwebcrawler（www.live.com）

2）MSNBot-Media：Images&allothermedia（images.live.com）

3）MSNBot-NewsBlogs：Newsandblogs（search.live.com/news）

4）MSNBot-Products：Products&shopping（products.live.com）

5）MSNBot-Academic：Academicsearch（academic.live.com）

拓展閱讀：搜索引擎蜘蛛抓取網(wǎng)頁規(guī)則分析

一、爬蟲框架

我們可以將網(wǎng)頁當(dāng)作是蜘蛛的晚餐，晚餐包括：

已下載的網(wǎng)頁。已經(jīng)被蜘蛛抓取到的網(wǎng)頁內(nèi)容，放在肚子里了。

已過期網(wǎng)頁。蜘蛛每次抓取的網(wǎng)頁很多，有一些已經(jīng)壞在肚子里了。

待下載網(wǎng)頁?？吹搅耸澄?，蜘蛛就要去抓取它。

可知網(wǎng)頁。還沒被下載和發(fā)現(xiàn)，但蜘蛛能夠感覺到他們，早晚會去抓取它。

不可知網(wǎng)頁?；ヂ?lián)網(wǎng)太大，很多頁面蜘蛛無法發(fā)現(xiàn)，可能永遠(yuǎn)也找不到，這部份占比很高。

通過以上劃分，我們可以很清楚的理解搜索引擎蜘蛛的工作及面臨的挑戰(zhàn)。大多數(shù)蜘蛛是按照這樣的框架去爬行。但也不完全一定，凡事總有特殊，根據(jù)職能的'不同，蜘蛛系統(tǒng)存在一些差異。

二、爬蟲類型

1、批量型蜘蛛。

這類蜘蛛有明確的抓取范圍和目標(biāo)，當(dāng)蜘蛛完成目標(biāo)和任務(wù)后就停止抓取。具體目標(biāo)是什么?可能是抓取網(wǎng)頁數(shù)量，網(wǎng)頁大小，抓取時間等。

2、增量型蜘蛛

這類蜘蛛和批量型蜘蛛不同，他們會持續(xù)不斷的抓取，對于抓取到的網(wǎng)頁會定期抓取更新。因?yàn)榛ヂ?lián)網(wǎng)中的網(wǎng)頁是隨時處于更新狀態(tài)中，增量型蜘蛛需要能夠反映出這種更新。

3、垂直性蜘蛛

這種蜘蛛只關(guān)注特定主題或者特定的行業(yè)網(wǎng)頁。以健康網(wǎng)站為例子，這類專門的蜘蛛會只抓取健康相關(guān)主題，其它主題內(nèi)容的網(wǎng)頁則不抓取。考驗(yàn)這只蜘蛛的難點(diǎn)是如何去更精準(zhǔn)的識別內(nèi)容所屬于行業(yè)。目前來看，很多垂直類行業(yè)網(wǎng)站是需要這種蜘蛛去抓取的。

三、抓取策略

蜘蛛通過種子URL進(jìn)行爬行拓展，列出大量待抓取URL。但是待抓取URL數(shù)量龐大，蜘蛛如何確定抓取順序先后呢?蜘蛛抓取的策略有很多種，但最終目的是一個：優(yōu)先抓取重要的網(wǎng)頁。評價頁面是否重要，蜘蛛會根據(jù)頁面內(nèi)容原創(chuàng)程度，鏈接權(quán)重分析等眾多方式來進(jìn)行計(jì)算。比較有代表性的抓取策略如下：

1、寬度優(yōu)先策略

寬度優(yōu)先是指：蜘蛛在抓取一個網(wǎng)頁后，繼續(xù)將該網(wǎng)頁所包含的其它頁面按順序進(jìn)行進(jìn)一步抓取。這種思想看似簡單，其實(shí)卻很實(shí)用。因?yàn)榇蠖鄶?shù)網(wǎng)頁都是按優(yōu)先級進(jìn)行排序，重要的頁面會優(yōu)先在頁面上進(jìn)行推薦。

2、PageRank策略

PageRank是一種非常著名的鏈接分析方法，主要是用來衡量網(wǎng)頁權(quán)重。如谷歌的PR，就是典型的PageRank算法。通過PageRank算法我們可以找出哪些頁面是更重要的，然后蜘蛛優(yōu)先去抓取這些重要性的頁面。

3、大站優(yōu)先策略

這個很容易理解，大網(wǎng)站通常擁有更多的`內(nèi)容頁面，并且質(zhì)量也會更高。蜘蛛會先分析網(wǎng)站歸類與屬性。如果這個網(wǎng)站已經(jīng)收錄很多，或者在搜索引擎系統(tǒng)中權(quán)重很高，則優(yōu)先考慮收錄。

四、網(wǎng)頁更新

互聯(lián)網(wǎng)中的頁面大多會保持更新，這樣就要求蜘蛛所存儲的頁面也能及時更新，保持一致性。打個比喻：一個網(wǎng)頁之前排名很好，如果頁面已經(jīng)被刪，卻還有排名，那體驗(yàn)就很不好。因此搜索引擎需要隨時了解這些并更新頁面，將最新的頁面提供給用戶。常用的網(wǎng)頁更新策略在三種：歷史參考策略，用戶體驗(yàn)策略。聚類抽樣策略。

1、歷史參考策略

這是建立在一種假設(shè)基礎(chǔ)上的更新策略。比如，若你的網(wǎng)頁之前按規(guī)律一直更新，那搜索引擎也認(rèn)為你的頁面將來也會經(jīng)常更新，蜘蛛也會按這個規(guī)律定期來網(wǎng)站進(jìn)行抓取網(wǎng)頁。這也是為什么點(diǎn)水一直強(qiáng)調(diào)網(wǎng)站內(nèi)容需要有規(guī)律更新的原因。

2、用戶體驗(yàn)策略

一般來說，用戶只會查看搜索結(jié)果前三頁的內(nèi)容，后面的頁面很少有人去看。用戶體驗(yàn)策略就是搜索引擎根據(jù)用戶的這個特點(diǎn)來進(jìn)行更新。例如，一個網(wǎng)頁可能發(fā)布時間較早，一段時間沒更新，但是用戶依然覺得有用，點(diǎn)擊瀏覽它，那么搜索引擎先不去更新這些過時的網(wǎng)頁也是可以的。這就是為什么搜索結(jié)果中，并不一定最新的頁面排名一定靠前的原因。排名更多的是取決于這個頁面的質(zhì)量，而完全不是更新時間先后。

3、聚類抽樣策略

上兩種更新策略主要是參考了網(wǎng)頁的歷史信息。但存儲大量歷史信息對搜索引擎來說是一種負(fù)擔(dān)，另外如果收錄的是新網(wǎng)頁則是沒有歷史信息可以參考的，那怎么辦?聚類抽樣策略是指：根據(jù)網(wǎng)頁所展現(xiàn)出來的一些屬性，來將很多相似網(wǎng)頁進(jìn)行歸類，被歸類的頁面按照相同的規(guī)律去進(jìn)行更新。

從了解搜索引擎蜘蛛工作原理的過程中，我們會知道：網(wǎng)站內(nèi)容之間的相關(guān)性，網(wǎng)站與網(wǎng)頁內(nèi)容更新規(guī)律，網(wǎng)頁上鏈接分布以及網(wǎng)站權(quán)重高低等因素都會影響到蜘蛛的抓取效率。知已知彼，讓蜘蛛來得更猛烈些吧！

四、搜索引擎蜘蛛爬行規(guī)律探秘(一)蜘蛛如何抓取鏈接

搜索引擎蜘蛛，對于我們來說非常神秘，本文的配圖使用蜘蛛俠的原因就在于此。當(dāng)然我們也不是百度的也不是Google的，所以只能說探秘，而不是揭秘。本文內(nèi)容比較簡單，只是給不知道的朋友一個分享的途徑，高手和牛人請繞行吧。

傳統(tǒng)意義上，我們感覺搜索引擎蜘蛛(spider)爬行，應(yīng)該類似于真正的蜘蛛在蜘蛛網(wǎng)上爬行。也就是比如百度蜘蛛找到一個鏈接，順著這個鏈接爬行到一個頁面，然后再順著這個頁面里面的鏈接繼續(xù)爬……這個類似于蜘蛛網(wǎng)，也類似于一棵大樹。這個理論雖然正確，但是不準(zhǔn)確。

搜索引擎內(nèi)部是有一個網(wǎng)址索引庫的，所以搜索引擎蜘蛛是從搜索引擎的服務(wù)器出發(fā)，順著搜索引擎已有的網(wǎng)址爬行一個網(wǎng)頁，并將網(wǎng)頁內(nèi)容抓取回來。頁面采集回來之后，搜索引擎會對其進(jìn)行分析，將內(nèi)容和鏈接分開，內(nèi)容暫時先不說。分析出來鏈接之后，搜索引擎并不會馬上去派蜘蛛進(jìn)行抓取，而是把鏈接和錨文本記錄下來交給網(wǎng)址索引庫進(jìn)行分析、對比和計(jì)算，最后放入網(wǎng)址索引庫。進(jìn)入了網(wǎng)址索引庫之后，才會有蜘蛛去抓取。

也就是如果出現(xiàn)了某個網(wǎng)頁的外鏈，并不一定會立刻有蜘蛛去抓取這個頁面，而是會有一個分析計(jì)算的過程。即便是這個外鏈在蜘蛛抓取之后被刪除了，這個鏈接也有可能已經(jīng)被搜索引擎記錄，以后還有抓取的可能。而且下次如果蜘蛛再去抓取這個外鏈所在頁面，發(fā)現(xiàn)鏈接不存在了，或者外鏈所在頁面出現(xiàn)了404，那么只是減少了這個外鏈的權(quán)重，應(yīng)該不會去網(wǎng)址索引庫刪除這個鏈接。

所以說已經(jīng)不存在的頁面上的鏈接，也有作用。今天就分享這些，以后繼續(xù)跟大家分享我自己分析的內(nèi)容，如果有不準(zhǔn)確的地方，請大家批評指正。

轉(zhuǎn)載請注明來自逍遙博客@LiboSEO，本文地址：http://liboseo.com/1060.html

除非注明，逍遙博客文章均為原創(chuàng)，轉(zhuǎn)載請注明出處和鏈接!

以上就是關(guān)于搜索引擎蜘蛛的描述相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。