one-long

标题: 蜘蛛抓取网站的http状态码解析 [打印本页]

作者: test 时间: 2016-8-26 08:44
标题: 蜘蛛抓取网站的http状态码解析
蜘蛛抓取网站的http状态码解析

   信息来源：作者：优化发布时间：2012-03-16浏览：我要评论

推一把网络营销精英培训新一期即将开课，本期新增移动电商、微商、O2O、自媒体、社群等方面的课程，现在报名就送江礼坤老师亲笔签名的最新版《网络营销推广实战宝典》一书。欢迎咨询QQ：800007518！

　　最近一段时间有很多站长的网站都出现了很大的变动，几家欢喜几家忧。我也有一个站让我很忧。目前站点已经一个月的时间了。网站被删掉的内页还是没有放出来。看了很多帖子，多少说有可能是Robert的问题。所以也看了下。这里有些百度蜘蛛返回码的意义。希望对各位站长有用。

　　百度爬虫在进行抓取和处理时，是根据http协议规范来设置相应的逻辑的，所以请站长们也尽量参考http协议中关于返回码的含义的定义来进行设置。

　　百度spider对常用的http返回码的处理逻辑是这样的：

　　1、404

　　404返回码的含义是“NOT FOUND”，百度会认为网页已经失效，那么通常会从搜索结果中删除，并且短期内spider再次发现这条url也不会抓取。

　　2、503

　　503返回码的含义是“Service Unavailable”，百度会认为该网页临时不可访问，通常网站临时关闭，带宽有限等会产生这种情况。对于网页返回503，百度spider不会把这条url直接删除，短期内会再访问。届时如果网页已恢复，则正常抓取;如果继续返回503，短期内还会反复访问几次。但是如果网页长期返回503，那么这个url仍会被百度认为是失效链接，从搜索结果中删除。

　　3、403

　　403返回码的含义是“Forbidden”，百度会认为网页当前禁止访问。对于这种情况，如果是新发现的url，百度spider暂不会抓取，短期内会再次检查;如果是百度已收录url，当前也不会直接删除，短期内同样会再访问。届时如果网页允许访问，则正常抓取;如果仍不允许访问，短期内还会反复访问几次。但是如果网页长期返回403，百度也会认为是失效链接，从搜索结果中删除。

　　4、301

　　301返回码的含义是“Moved Permanently”，百度会认为网页当前跳转至新url。当遇到站点迁移，域名更换、站点改版的情况时，推荐使用301返回码，尽量减少改版带来的流量损失。虽然百度spider现在对301跳转的响应周期较长，但我们还是推荐大家这么做。

　　我们的建议

　　1、如果站点临时关闭，当网页不能打开时，不要立即返回404，建议使用503状态。503可以告知百度spider该页面临时不可访问，请过段时间再重试。

　　2、如果百度spider对您的站点抓取压力过大，请尽量不要使用404，同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接，如果那个时间站点空闲，那它就会被成功抓取了。

　　3、有一些网站希望百度只收录部分内容，例如审核后的内容，累积一段时间的新用户页等等。在这种情况，建议新发内容暂时返回403，等审核或做好处理之后，再返回正常状态的返回码。

　　4、站点迁移，或域名更换时，请使用301返回码。

　　本文由本命年网站整理，转载请注明出处http://www.mybenmingnian.com/

欢迎光临 one-long (http://bbs.one-long.com/)