在SEO工作中，有的時候我們很少關心搜索引擎蜘蛛是如何工作的，雖然，它是一個相對復雜的工作系統(tǒng)，但對于SEO人員而言，我們有必要進行詳盡的了解，它有利于指導我們有效的工作。

下面解讀主流搜索引擎蜘蛛是如何工作的：

一、常見搜索引擎蜘蛛抓取策略：

1、深度優(yōu)先遍歷策略

簡單理解，深度優(yōu)先遍歷策略主要是指建立一個起點，按照這個起點的順序，順序抓取鏈條上，沒有被抓取的每個節(jié)點。但有的時候，面對“無限循環(huán)”節(jié)點的時候，這一策略便顯得捉禁見肘。

2、寬度優(yōu)先遍歷策略

寬度優(yōu)先便利策略，是早期搜索引擎常用的一種抓取策略，主要流程是提取整個頁面中的URL，其中未被抓取的URL，就被放入待抓取列隊，以此循環(huán)。

3、PR優(yōu)先策略

RP優(yōu)先策略是一個非常注明的鏈接分析方法，它用于衡量網(wǎng)頁的重要性，通常它會計算一個頁面上URL的PR，按照從高到低的順序進行抓取。

由于PR值的計算，需要不斷的迭代更新，通常這里所采用的都是非完全PageRank策略。

4、反鏈策略

反鏈策略，并沒有一個明確的官方文檔說明，這里小編認為，它主要是基于反鏈的數(shù)量以及種子頁面的權威度，二者進行加權評估后，按照優(yōu)先順序抓取。

5、社會化媒體分享策略

社會化媒體分析策略，主要是指一個URL在社交媒體中的流行度，它的轉載量，評論，轉發(fā)量，綜合指標的評估。

如果你的URL最先沒有在百度網(wǎng)址提交，而是出現(xiàn)在社交媒體中，比如：頭條文章，也是很有可能被百度抓取的。

6、爬行原理

搜索引擎蜘蛛訪問網(wǎng)頁的過程，就好比用戶使用的瀏覽器。

搜索引擎蜘蛛向頁面發(fā)出訪問請求，該頁面的服務器則返回該頁面的HTML代碼。

搜索引擎蜘蛛將收到的HTML代碼存入搜索引擎的原始頁面數(shù)據(jù)庫中。

7、如何爬行

為了提高搜索引擎蜘蛛的工作效率，通常采用多個蜘蛛并發(fā)分布爬行。

同時，分布爬行還分為兩種模式：深度優(yōu)先和廣度優(yōu)先。

深度優(yōu)先：沿著發(fā)現(xiàn)的鏈接一直爬行，直到?jīng)]有任何鏈接。

廣度優(yōu)先：先這一頁面上的所有鏈接爬行完畢之后，才會沿著第二層頁面繼續(xù)這樣爬行。

8、蜘蛛必遵守的協(xié)議

搜索引擎蜘蛛在訪問網(wǎng)站之前，都會先訪問網(wǎng)站根目錄下的robots.txt文件。

搜索引擎蜘蛛不會去抓取robots.txt文件中禁止爬行的文件或目錄。

9、常見搜索引擎蜘蛛

• 百度蜘蛛：Baiduspider

• 谷歌蜘蛛：Googlebot

• 360蜘蛛：360Spider

• SOSO蜘蛛：Sosospider

• 有道蜘蛛：YoudaoBot，YodaoBot

• 搜狗蜘蛛：Sogou News Spider

• 必應蜘蛛：bingbot

• 頭條蜘蛛：Bytespider

• Alexa蜘蛛：ia_archiver

二、如何吸引更多搜索引擎蜘蛛

互聯(lián)網(wǎng)信息爆炸，搜索引擎蜘蛛不可能將所有網(wǎng)站的所有鏈接全部爬行到，那么如何吸引更多的搜索引擎蜘蛛到我們網(wǎng)站上來爬行變得非常重要。

1、 導入鏈接

無論是外部鏈接，還是內部鏈接，只有有導入，才能被搜索引擎蜘蛛知道該頁面的存在。所以，多多做外鏈建設有助于吸引更多蜘蛛來訪。

2、頁面更新頻率

頁面更新頻率越高，搜索引擎蜘蛛來訪的次數(shù)也會越多。

3、網(wǎng)站和頁面權重

整個網(wǎng)站的權重以及某一頁面的權重（包括首頁也是頁面）影響著蜘蛛的來訪頻率，權重高、權威性強的網(wǎng)站一般都會增加搜索引擎蜘蛛的好感。

4、與首頁的距離

首頁>一級目錄>二級目錄>三級目錄>四級目錄…很顯然，目錄越深蜘蛛來訪的幾率和次數(shù)就會越少，因為一般外鏈都是指向首頁的，首頁再向下爬行，只會越來越少。

這里給大家的建議是，做外鏈的時候，不要只做首頁外鏈，偶爾做一做欄目和聚合頁面的外鏈也還是不錯的哦~

有些時候，URL短，蜘蛛可能也會覺得這個鏈接的權重哦，所以，最好只做一級欄目，然后就是文章頁面。

三、搜索引擎蜘蛛地址庫

搜索引擎蜘蛛有一個專門的地址庫，用來存放已經(jīng)被發(fā)現(xiàn)的URL（已被抓取和未被抓取的都算，只要是被發(fā)現(xiàn)的URL都算），這樣就不會出現(xiàn)重復爬行和抓取頁面的情況了。

1、地址庫URL來源

蜘蛛抓取的頁面中發(fā)現(xiàn)的新的URL；

站長后臺自主提交的URL；

站長后臺提交的XML地圖中的URL；

站長后臺提交的網(wǎng)站URL；

2、對于未被抓取的URL

對于未被抓取的URL，不管是以什么方式獲取的，哪怕是搜索引擎蜘蛛自己發(fā)現(xiàn)的，也會先放入地址庫中，然后在做統(tǒng)一抓取。

四、頁面數(shù)據(jù)存儲

搜索引擎蜘蛛將抓取的頁面數(shù)據(jù)會存入搜索引擎的原始頁面數(shù)據(jù)庫中，其實，就可以理解為快照中看到的頁面數(shù)據(jù)，和用戶看到的是一樣的，每一個頁面的URL地址都有一個唯一的編號。

五、原創(chuàng)內容檢測

搜索引擎蜘蛛在爬行的過程中，會進行一定程度的原創(chuàng)內容檢測。如果是權重低的網(wǎng)站上，發(fā)現(xiàn)了大量的轉載或抄襲內容時，可能會停止爬行，這些頁面可能也會不抓取與收錄。

但并不是說網(wǎng)站就不能轉載，像一些權重很高的平臺，哪怕是轉載了一篇舊聞排名也可以很好，因為搜索引擎蜘蛛可能會覺得，就算是舊聞可能也是高質量的吧。

本文鏈接：http://www.hkass.cn/article/677.html