不抓取如何會收錄，又怎么有排名?然而就這樣一個明顯的問題，卻有大量的網(wǎng)站將其忽略掉。在A5這里做SEO診斷服務(wù)的客戶中，其中“20%”的網(wǎng)站都會存在抓取錯誤，直接嚴(yán)重影響到網(wǎng)站的成長效果。今天這篇文章，如果你有幸看到，希望可以閱讀完今天這篇文章，并分享出去，因為真的會很有價值。
賀貴江：曾經(jīng)診斷過一個千萬級別收錄的站點，但是索引總是被反復(fù)的剔除，又反復(fù)的收錄，企業(yè)一直找不到問題。可是當(dāng)我們對網(wǎng)站檢查之初就發(fā)現(xiàn)一個怪的現(xiàn)象了：
1、錯誤的封禁
在百度的robots.txt的更新上，如果多次點擊“檢測并更新”就會出現(xiàn)時常可以更新，但是又時常無法更新的問題。如此一來：不應(yīng)當(dāng)被收錄的東西，在robots.txt上禁止的被收錄了，又刪除就很正常了。那么它的問題是什么呢?并非服務(wù)器負(fù)載過度，而是因為防火墻錯誤的將部分Baiduspider列入了黑名單。
上面這個例子是robots.txt方面的抓取錯誤，作為站長最少應(yīng)該每周都檢查更新一下robots.txt是否可以正常更新。之后我們再看下“頁面抓取”方面的錯誤：
2、服務(wù)器異常
常規(guī)的服務(wù)器就不說啦，大家都知道的，北上廣的一般都不錯。不過有一些特殊服務(wù)器，想必絕大多數(shù)的站長都不知道吧?例如西部數(shù)碼的“港臺服務(wù)器”就很有趣，真的是港臺的嗎?本身機(jī)房在國內(nèi)，還算什么港臺?為了逃避備案而用一個港臺的IP，數(shù)據(jù)全部在國內(nèi)。
這樣有什么不好呢?我們會發(fā)現(xiàn)：站點的服務(wù)器是經(jīng)過CDN的，哪怕是你上傳的一張圖片，都會顯示為“302狀態(tài)碼”，訪問速度是提升上去了，可是這樣利于SEO嗎?呵呵噠。真不知道西數(shù)做為國內(nèi)大型idc服務(wù)商是如何想的，利用那些無知嗎?
3、獲取不到真實IP
規(guī)模較大的網(wǎng)站，一般都會使用CDN加速，但是有些站點不僅僅對“設(shè)備”使用了CDN加速，而且還對Spider使用了加速功能。最后的結(jié)果是什么呢?如果CDN節(jié)點不穩(wěn)定，那么對網(wǎng)站spider來講，這個問題將是致命的。
很多大型站點開放CDN的原因就是容易被攻擊，這個時候如果不做“蜘蛛回源”就可想而知了。你的站點做了CDN了嗎?請登錄百度站長平臺查看一下spider是否可以抓取真實IP地址吧!
4、頻繁的50X類錯誤
這樣的鏈接其中一個共同的特點是：當(dāng)打開后，全部都是正常的，那么Spider為什么會報錯提醒呢?只是因為在爬蟲發(fā)起抓取的那一刻，httpcode返回了5XX"，你的站點是否頻繁有這樣的問題呢?有的話需要立即安排技術(shù)，或者通報IDC服務(wù)商做解決了!
5、錯誤的抓取比例
任何網(wǎng)站都做不到100%不出問題，但是萬事有一個度：我們認(rèn)為，這個比例不超過5%，對網(wǎng)站基本上是無影響的，且這樣的錯誤不應(yīng)當(dāng)每天都出現(xiàn)。最常見的抓取錯誤一般都是連接超時："抓取請求連接建立后，下載頁面速度過慢，導(dǎo)致超時，可能原因服務(wù)器過載，帶寬不足"這種情況：
A：盡量在不影響圖片質(zhì)量的情況下，對圖片進(jìn)行壓縮，上傳的時候就進(jìn)行了壓縮。
B：減少如JS腳本文件類型的使用，或者進(jìn)行合并
C：頁面大小進(jìn)行控制，尤其是一些瀏覽量、抓取量較高的頁面，不建議超過2MB。
D：增加網(wǎng)站的帶寬，提升下載速度，或者更換服務(wù)器。
今天這篇分享，是否對你有幫助呢?希望能對大家有所幫助！
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
