搜索引擎蜘蛛的抓取策略
來源:SEO優(yōu)化 2012-07-12
這篇文章主要講解搜索引擎的蜘蛛爬蟲的工作原理,包括它的四種抓取策略。
首先呢,搜索引擎的蜘蛛抓取網頁是有著一定的規(guī)律,不會去隨便抓取網頁,并且呢,蜘蛛是通過超連接來抓取網頁的,我們剛剛說了,搜索引擎有四種抓取網頁的策略,下邊我們一一講解。
深度優(yōu)先
所謂深度優(yōu)先,就是蜘蛛在一個頁面中發(fā)現(xiàn)第一個超鏈接,然后爬取這個頁面,當爬到第二個頁面后,在第二個頁面發(fā)現(xiàn)的第一個超鏈接,然后再順著往下爬,如下圖:
深度優(yōu)先,導致蜘蛛抓取的網頁的質量,越來越低,并且在傳遞網站權重上,也有著根本的問題。
寬度優(yōu)先
在深度優(yōu)先上,搜索引擎有著根本的問題,那么在之后,搜索引擎又推出了蜘蛛抓取的第二個策略,也就是寬度優(yōu)先,寬度優(yōu)先指的是,蜘蛛會先把這個頁面所有的鏈接都爬一次,然后在順著這些鏈接往下爬,如下圖:
但是寬度優(yōu)先也存在著問題,那就是蜘蛛抓取的效率和質量問題。
先寬后深 – 權重優(yōu)先
現(xiàn)在搜索引擎是寬度和深度優(yōu)先的結合,蜘蛛在抓取一個網頁的時候,會先把這個頁面所有的鏈接都抓取一次,然后再根據(jù)這些ULR的權重來判定,那個URL的權重高,那么就采用深度優(yōu)先,那個URL權重低,就采用寬度優(yōu)先或者不抓取。
重訪抓取策略
重訪抓取策略,是最后的一個,搜索引擎蜘蛛在抓取完這個網頁之后,然后根據(jù)這個頁面的權重、包括它的更新頻率、更新質量、外鏈的數(shù)量等等來判定,那么對于權重高的頁面,蜘蛛會在相隔較短的時間段在回來重新抓取,比如新浪網,權重很高,搜索引擎蜘蛛都是按照秒來重新抓取的。而對于一些權重較低的頁面,比如長期不更新的頁面,那么蜘蛛會隔好長時間在來抓取一次,比如我們常常搜索的百度大更新,蜘蛛就是對于一些網頁權重較低的頁面進行一次全部的抓取,一般情況,百度大更新,一個月一次。
本文來源 / 轉載留下版權
感謝 史占強 的投稿
文章編輯: 365webcall網上客服工具(www.365webcall.com)
我的評論
| 登錄賬號： | 密碼： | 快速注冊 | 找回密碼 |  |
