发表日期:2017-01-24 02:42:33文章编辑:admin浏览次数:735 标签:
攻城狮追查的过程如下:
首先通过site语法检索,发现收录量确实比较少,只有11条,而且还发现一部分是死链数据。
然后根据用户反馈的部分url,检测发现这批链接在2016年12月26日当天已经就已经抓取回来了,首次抓取上是没有问题;
紧接着发现这批网页都被百度爬虫判定为空短页面,从网页库中获取当时的抓取页面,检查发现这些页面抓取回来的内容是一样的,都是提示让输入邀请码。
被百度爬虫判断为空短页面,肯定是不能被百度搜索收录的。
有站长可能会问,那等网站全部开放后,是不是就可以收录了呢?对于百度爬虫来说,当对一个网站抓取后发现大面积都是低值的空短页面时,爬虫会认为这个站点的整体价值比较低,那么在后面的抓取流量分布上会降低,导致针对该站点的页面更新会比较慢,进而收录也会比较慢。这里学院君再次强调一下,不要让爬虫给站点画上不优质的标签哦,后果很严重!
那么该如何避免呢?方法其实比较简单,网站在邀请测试阶段使用robots封禁就可以。