收錄是指網頁被搜索引擎抓取到，然后放到搜索引擎的庫里，等到人們搜索相關詞匯的時候，可以在搜索結果頁展示列表看到已經收錄的頁面及頁面信息。我們所說的“網頁被收錄”即能在搜索結果頁看到相關的頁面。反之，“網頁沒有被收錄”問題就復雜一些，因為在搜索結果頁沒有看到對應的頁面，并不意味著網頁就沒在搜索引擎的庫里，或者說就沒有被收錄，有可能是網頁針對當前的搜索詞匯排名不好，在760個記錄之外，因此沒有得到展示。

收錄涉及網頁被搜索引擎蜘蛛抓取，然后被編入搜索引擎的索引庫，并在前端被用戶搜索到這一系列的過程。對SEO人員或者希望對自己網站進行優化的非專業SEO人員來說，了解頁面是如何被搜索引擎收錄的，了解搜索引擎的收錄原理，都是極有好處的，能幫助你在進行網站SEO的時候盡量遵循收錄的規律，提高網站被收錄的比例。

搜索引擎在抓取網頁的時候，可能會遇到各種情況，有的頁面抓取成功，有的抓取失敗。怎么顯示一個頁面的實際抓取結果呢?主要是通過返回碼進行示意，代表抓取成功與否和遇到的問題。比如我們常見的，有時候打開一個頁面，頁面一片空白，上面只顯示404。這里的404就是一種返回碼，代表當前抓取的頁面已經失效，遇到顯示404的頁面，如果短期內搜索，蜘蛛再發現這個URL，也不會對其進行抓取。

有時候，會返回503，503返回碼代表網站臨時無法訪問，可能是網站服務器關閉或者其他臨時措施造成的網頁無法訪問，一般來說，蜘蛛還會繼續抓取幾次。如果網站恢復正常，URL仍然被當作正常URI。處理，如果服務器一直處于不可訪問狀態，那么搜索引擎就會將這些URL徹底從庫中刪除，這就要求我們必須維護網站的穩定性，盡量避免臨時關閉的情況發生。返回碼403是禁止訪問狀態，一般來說，如同503一樣，如被多次訪問仍處于禁止訪問狀態，就會被搜索引擎從庫里面刪除。

在返回碼中，有一類需要格外注意，就是301。301代表永久性移除，當前URL被永久性重定向到另外的uRL。一般來說，因為改版等原因，部分URL需要永久被替換為新URL，就必須使用返回碼301進行處理，這樣能把權重等一并帶過去，避免網站的流量損失。

返回碼301的優化寫法如下。

(1)創建一個htaccess.txt文件。

(2)在htaccess．txt里寫好返回碼30l的跳轉信息。

假設舊的URL為abc.com，需要重定向到www.abc.com，需在文件里寫如下信息。

RewriteEngine on

RewriteCond％{http_host}abc.com[NC]

RewriteRule^(．*)$ http://www.abc.com/$1[L，R=301]

(3)將htaccess.txt上傳到FTP，然后將htaccess.txt修改為.htaccess。

需要提醒的是目前htaccess只適用于Linux系統，并需要虛擬主機支持，因此，在考慮htaccess文件處理返回碼301的時候，需要查看虛擬主機是否完全支持。

實際上，在重定向的處理上存在多種方式，簡單來說，重定向可以分為http30x重定向、meta refresh重定向和js重定向。另外，大的搜索引擎公司，比如谷歌和百度都確認支持Canonical標簽，可以通過制定一個權威頁面的方式，引導蜘蛛只索引一個權威頁面，從實際效果上來說，也是一種間接的重定向。在實際抓取過程中，蜘蛛會對各種重定向效果進行識別。

重定向的方法有多種，但是從SEO角度來說，如果是永久跳轉的頁面，盡量在采用返回碼301的跳轉方式。另外，從

時間結果來看，百度對Canonical的支持并不如谷歌好，采用Canonical未必能得到如期效果。有些網站通過不同的路徑進入同

一頁面，可能會出現多個URL的情況，當面對這種情況時，可能需要一些處理技巧，關于Canonical的使用技術可參見本書關于Canonical的專門講解。

外鏈等因素對搜索的排名是有影響的，那么在抓取環節是否也有影響呢?百度在它的抓取政策上有優先級的說明，即執行包括“深度優先遍歷策略、寬度優先遍歷策略、PR優先策略、反鏈策略、社會化分享指導策略等”。同時，這也說明每個策略各有優劣，在實際情況中往往是多種策略結合使用才能達到最優的抓取效果。從這段官方說明里面可以看到PR優先策略、反鏈策略、社會化分享等字眼，我們可以認為，百度在實際抓取的時候，其實都考慮了這些因素，只是權重可能有所不同，因此，盡量提高網頁PR，增加更高質量的外鏈，進行高質量的社會化分享，對網站的SEO工作是有積極意義的。

另外，針對互聯網存在的大量“盜版”“采集”的網頁情況，在抓取的過程中，蜘蛛會通過技術判斷頁面是否已經被抓取過，并對URI．不同但是實際內容相同的頁面的URL進行歸一化處理，即視作一個URL，。也就是告訴SEO人員，不要通過大量創建頁面的方式來獲得更多的搜索資源，如果頁面很多，但是每個頁面的內容重復性很高，或者僅是uRL中包含無效參數來實現多個頁面，搜索引擎仍然把這些URI。當作一個uRL處理，即網站頁面不是越多越好，通過功利的方式拼湊網頁，大量部署長尾，但是頁面質量堪憂，效果會適得其反。如果大量此類頁面被搜索引擎判斷為低質量頁面，可能會影響到整站的SEO效果。

蜘蛛在抓取的過程實際是依據鏈接不斷往下探索的過程，如果鏈接之間出現短路，蜘蛛就無法往前爬了。在真實的網站運營中，我們可以看到很多網頁實際潛藏在網站后端，蜘蛛是無法抓取到的，比如沒有預留入口鏈接，或者入口鏈接已經失效等，這些無法抓取到的內容和信息，對于蜘蛛來說就是一個個的孤島，對SEO人員來說就是沒有完全發揮內容的引流作用。同時，因為網絡環境或者網站規范等原因也可能導致蜘蛛無法爬行。

如何解決信息無法被抓取到的問題?幾個可行的辦法如下。

?采用搜索引擎平臺提供的開發平臺等數據上傳通道，可以針對數據進行獨立的提交。

?采用Sitemap提交方式。大型網站或者結構比較特殊的網站，沉淀了大量的歷史頁面，這些歷史頁面很多具有SEO的價值，但是蜘蛛無法通過正常的爬行抓取到，針對這些頁面，建立Sitemap文件并提交給百度等搜索引擎是非常必要的。

蜘蛛在爬行網站的時候，會遵循網站的協議進行抓取，比如哪些網頁可以給搜索引擎抓取，哪些不允許搜索引擎抓取。常見的協議有HTTP協議、HTTPS協議、Robots協議等。

HTTP協議規范了客戶端和服務器端請求和應答的標準。客戶端一般是指終端用戶，服務器端指網站。終端用戶通過瀏覽器、蜘蛛等向服務器指定端口發送HTTP請求。發送HTTP請求會返回對應的HTTP Header信息，我們可以看到包括是否成功、服務器類型、網頁最近更新時間等內容。

HTTPS協議是一種加密協議，一般用戶安全數據的傳輸。HTTPS是在HTTP下增加了SSL層，這類頁面應用比較多的是和支付相關或者內部保密信息相關的網頁。蜘蛛不會自動爬行該類網頁。因此，從SEO角度考慮，在建站的時候，盡量對頁面的性質進行區分，對非保密頁面進行HTTP處理，才能實現網頁的抓取和收錄。

網站題目：網站優化應對蜘蛛頁面抓取異常
URL鏈接：http://newbst.com/news27/86227.html

成都網站建設公司_創新互聯，為您提供靜態網站、品牌網站建設、搜索引擎優化、響應式網站、網站導航、用戶體驗

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯