搜索引擎爬蟲重復(fù)抓取問題如何解決？

針對每一位SEO從業(yè)者而言，爬蟲每天來我們的網(wǎng)站進(jìn)行網(wǎng)頁的抓取，是十分寶貴的資源。但在這中間由于爬蟲無序的抓取，勢必會浪費一些爬蟲的抓取資源。這中間我們就需要解決搜索引擎爬蟲對我們的網(wǎng)頁重復(fù)抓取的問題，下面
聚名網(wǎng)
與你一起來看一下如何解決這個問題。

在聊這個問題之前，我們需要理解一個概念。首先爬蟲本身是無序的抓取，他不知道先抓什么再抓什么，只知道看到了什么，且計算后認(rèn)為有價值就進(jìn)行抓取。


而對于我們而言，抓取的整個過程中，我們最要解決是如下幾類

新產(chǎn)生的頁面，沒有被抓取過的

產(chǎn)生了一段時間，遲遲不被抓取的

產(chǎn)生了一段時間，卻一直沒收錄的

產(chǎn)生很久的頁面，但最近更新了

包含內(nèi)容更多的聚合頁面，如首頁、列表頁

如上幾類，按照順序我們定義哪一類最需要被爬蟲抓取。

針對大型網(wǎng)站，搜索引擎爬蟲抓取資源過剩，而針對小網(wǎng)站，抓取資源稀缺。所以在這里我們強(qiáng)調(diào)一下，我們不是要解決搜索引起爬蟲重復(fù)抓取的問題，而是要解決搜索引擎爬蟲最快的抓取我們希望抓取的頁面。要把這個思路糾正！

下面，我們聊一下怎么讓搜索引擎爬蟲最快的抓取我們希望被抓取的頁面。

爬蟲是抓取到一個網(wǎng)頁，從這個網(wǎng)頁在找到更多的鏈接，周而復(fù)始的過程，那么這個時候我們就要知道要想被爬蟲更大概率抓取，就要給更多的鏈接，讓搜索引擎爬蟲發(fā)現(xiàn)我們希望被抓取的網(wǎng)頁。這里我拿上述的第一種情況舉例說明一下：

新產(chǎn)生的頁面，沒有被抓取過的

這類一般都會是文章頁，針對于這類我們的網(wǎng)站每天都會大量產(chǎn)生，所以我們就要在更多的網(wǎng)頁給予這部分鏈接。例如首頁、頻道頁、欄目/列表頁、專題聚合頁、甚至文章頁本身，都需要具備一個最新文章板塊，以此等待爬蟲抓取到我們的任何網(wǎng)頁時，都能發(fā)現(xiàn)最新的文章。

同時，試想一下，這么多頁面都有新文章的鏈接，連接傳遞權(quán)重，那這新文章，既被抓取了，權(quán)重也不低。被收錄的速度會明顯提升。

那針對那些長時間不收錄的，也可以考慮是不是權(quán)重太低了，我多給一些內(nèi)鏈支持，傳遞一些權(quán)重。應(yīng)該會有收錄的可能。當(dāng)然也有可能不收錄，那你就要靠內(nèi)容本身的質(zhì)量了。之前有一篇文章是專門說內(nèi)容質(zhì)量的也歡迎大家閱讀：什么內(nèi)容容易被百度判斷為優(yōu)質(zhì)內(nèi)容？。

所以，我們?yōu)榱私鉀Q搜索引擎爬蟲重復(fù)抓取問題不是我們最終要解決的。因為本質(zhì)上搜索引擎爬蟲是無序的，我們只能通過針對網(wǎng)站的架構(gòu)、推薦算法、運營策略等進(jìn)行干預(yù)。使爬蟲給予我們更理想的抓取效果。