|
Baiduspider抓了多少頁面并不是最重要的，重要的是有多少頁面被建索引庫，即我們常說的“建庫”。眾所周知，搜索引擎的索引庫是分層級的，優質的網頁會被分配到重要索引庫，普通網頁會待在普通庫，再差一些的網頁會被分配到低級庫去當補充材料。目前60%的檢索需求只調用重要索引庫即可滿足，這也就解釋了為什么有些網站的收錄量超高流量卻一直不理想。 那么，哪些網頁可以進入優質索引庫呢。其實總的原則就是一個：對用戶的價值。包括卻不僅于： 1、有時效性且有價值的頁面：在這里，時效性和價值是并列關系，缺一不可。有些站點為了產生時效性內容頁面做了大量采集工作，產生了一堆無價值面頁，也是百度不愿看到的. 2、內容優質的頁面：頁面的內容不一定完全是原創的，即可以很好地把各方內容整合在一起，或者增加一些新鮮的內容，比如觀點和評論，給用戶更豐富全面的內容。 3、高價值原創內容頁面：百度把原創定義為花費一定成本、大量經驗積累提取后形成的文章。千萬不要再問我們偽原創是不是原創。 4、重要個人頁面：這里僅舉一個例子，科比在新浪微博開戶了，即使他不經常更新，但對于百度來說，它仍然是一個極重要的頁面。 哪些網頁無法被收錄？ 上述優質網頁進了索引庫，那其實互聯網上大部分網站根本沒有被百度收錄。并非是百度沒有發現他們，而是在建庫前的篩選環節被過濾掉了。那怎樣的網頁在最初環節就被過濾掉了呢： 1、重復內容的網頁：互聯網上已有的內容，百度必然沒有必要再收錄。 2、主體內容空短的網頁 1）有些內容使用了百度spider無法解析的技術，如JS、AJAX等，雖然用戶訪問能看到豐富的內容，依然會被搜索引擎拋棄 2）加載速度過慢的網頁，也有可能被當作空短頁面處理，注意廣告加載時間算在網頁整體加載時間內。 3）很多主體不突出的網頁即使被抓取回來也會在這個環節被拋棄。 這里在提醒各位一個細節，大家在新站建好的時候，最好是填充原創內容，不要網站一上線就抄襲，百度會把你的內容放到他們收錄的數據庫對比的，如果對比重復度過高，那可能還是比較難收錄的。
|
