提高全棲運(yùn)營(yíng)網(wǎng)站的抓取率的方法有哪些

  對(duì)于搜索引擎而言，爬蟲(chóng)效率的一個(gè)重要評(píng)價(jià)標(biāo)準(zhǔn)就是爬蟲(chóng)開(kāi)銷(xiāo)。淺析提高全棲運(yùn)營(yíng)網(wǎng)站的抓取率的方法有哪些？

Dasgupta等人將爬蟲(chóng)開(kāi)銷(xiāo)定義為：爬蟲(chóng)開(kāi)銷(xiāo)=重復(fù)抓取的老頁(yè)面數(shù)/發(fā)掘的新頁(yè)面數(shù)。那么，爬蟲(chóng)的抓取頻率以及效率該如何優(yōu)化呢？下面進(jìn)行具體介紹。

首先，以robots.txt命名的文本文件是個(gè)很強(qiáng)的利器，當(dāng)網(wǎng)站上擁有重復(fù)內(nèi)容、無(wú)內(nèi)容且無(wú)意義頁(yè)面等類(lèi)似內(nèi)容的時(shí)候，就可以果斷地用robots.txt屏蔽掉。這里需要注意：robots.txt文件可以用通配符書(shū)寫(xiě)，書(shū)寫(xiě)是比較自由的。建議把xml格式的sitemap路徑放在robots.txt文件中，供搜索引擎尋找。

其次，當(dāng)需要合理地、有效率地下載一個(gè)網(wǎng)站時(shí)，設(shè)置參數(shù)nofollow，可以讓百度搜索引擎不抓取頁(yè)面上的所有鏈接。在robots.txt文件中添加rel=“noindex”語(yǔ)句，不能阻止百度爬蟲(chóng)抓取，因?yàn)閚oindex參數(shù)可以讓搜索引擎不把當(dāng)前網(wǎng)頁(yè)置入索引庫(kù)，但是頁(yè)面上所有的鏈接，爬蟲(chóng)都會(huì)去分析。若要屏蔽鏈接，要加上nofollow參數(shù)。

總之，提高爬蟲(chóng)的抓取效率在SEO之中是一件比較重要的事情，尤其對(duì)于中大型網(wǎng)站而言，應(yīng)該將大部分精力放在讓爬蟲(chóng)抓取更多更準(zhǔn)的頁(yè)面上，而不是讓它抓到無(wú)意義的頁(yè)面。