影响网站收录之:合理的返回码(http状态码)


影响网站收录:合理的返回码(http状态码)

HTTP状态码(HTTP Status Code)是用以表示网页服务器HTTP响应状态的3位数字代码。它由 RFC 2616 规范定义的,并得到RFC 2518、RFC 2817、RFC 2295、RFC 2774、RFC 4918等规范扩展。

百度爬虫在进行抓取和处理时,是根据http协议规范来设置相应的逻辑的,所以请站长们也尽量参考http协议中关于返回码的含义的定义进行设置。

Baiduspider 对常用的http返回码的处理逻辑是这样的:

404 返回码的含义是 “Not Found”,百度会认为网页已经失效,那么通常会从搜索结果中删除,并且短期内 spider 再次发现这条 URL 也不会抓取。

503 返回码的含义是 “Service Unavailable”,百度会认为该网页临时不可访问,通常网站临时关闭,带宽有限等会产生这种情况。对于网页返回503,百度 spider 不会把这条 URL 直接删除,短期内会再访问。届时如果网页已恢复,则正常抓取;如果继续返回503,短期内还会反复访问几次。但是如果网页长期返回503,那么这个 URL 仍会被百度认为是失效链接,从搜索结果中删除。

403 返回码的含义是 “Forbidden”,百度会认为网页当前禁止访问。对于这种情况,如果是新发现的URL,百度 spider 暂不抓取,短期内会再次检查;如果是百度已经收录的URL,当前也不会直接删除,短期内同样会再访问。届时如果网页允许访问,则正常抓取;如果仍不允许访问,短期内还会反复访问几次。但是如果网页长期返回403,百度也会认为是失效链接,从搜索结果中删除。

301 返回码的含义是 “Moved Permanently”,百度会认为网页当前永久跳转至新URL。当遇到站点迁移、域名更换和站点改版的情况时,推荐使用301返回码,尽量减少改版带来的流量损失。虽然百度spider 现在对301跳转的响应周期较长,但是我们还是推荐大家这么做
404返回码.jpg

百度建议:

如果站点临时关闭,当网页不能打开时,不要立即返回404,建议使用503状态。503可以告知百度spider该页面临时不可访问,请过段时间再重试。

如果百度spider对您的站点抓取压力过大,请尽量不要使用404,同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接,如果那个时间站点空闲,那它就会被成功抓取了。

有一些网站希望百度只收录部分内容,例如审核后的内容,累积一段时间的新用户页等等。在这种情况,建议新发内容暂时返回403,等审核或做好处理之后,再返回正常状态的返回码。

站点迁移,或域名更换时,请使用301返回码。

空谷补充:

作为SEO工程师,平时我们要对服务器日志进行分析与监控,要注意蜘蛛抓取的404页面的数量,如果数据突然增多需要分析这些404页面是否是真正失效的页面,空谷曾经发现一个知名大型网站很多页面打开都是404,但是这些页面其实是有效页面,而且在前台是有链接的,这是一个非常低级的错误,这个错误会导致页面被搜索引擎从索引中删除,最终导致流量大幅度减少,这个错误有可能是技术部门或者是产品部门或者是编辑部门不小心给删除了。所以SEO工程师要特别关注服务器日志蜘蛛抓取返回码的数据。

正如百度所说的,百度对301的跳转确实很慢,空谷曾经写过一篇文章:百度蜘蛛对301的反应速度较慢
已邀请:

要回复问题请先登录注册