搜索引擎爬虫抓取网页的三大更新策略

深圳SEO
深圳SEO
深圳SEO
29450
文章
1
评论
2020年4月7日02:13:03 评论 3,279
摘要

的更新,基本应用在像快照的更新,搜索引擎对已抓取页面的再抓取行为等。至于为什么要进行再抓取基本是因为互联网上万万亿的页面量。很多页面还是有一直变化的。这个变化的前置因子,导致了爬虫要不断的更新自己的数据,从而一定要对已经抓取的网页进行再抓取。那搜索引擎爬虫的三大更新策略都是什么呢?所谓历史更新策略,就是针对已经抓取的网页有一个再抓取的时间限制。例如爬虫抓

的更新,基本应用在像快照的更新,搜索引擎对已抓取页面的再抓取行为等。至于为什么要进行再抓取基本是因为互联网上万万亿的页面量。很多页面还是有一直变化的。这个变化的前置因子,导致了爬虫要不断的更新自己的数据,从而一定要对已经抓取的网页进行再抓取。那搜索引擎爬虫的三大更新策略都是什么呢?

所谓历史更新策略,就是针对已经抓取的网页有一个再抓取的时间限制。例如爬虫抓取我SEO博客的首页,从而搜索引擎通过一直以来的抓取得出我的博客首页平均每3天更新一次,那么爬虫的抓取策略就会调整为每3天访问一次我的博客首页。

这样的更新抓取策略告诉我们,网页变化频繁就会引来蜘蛛的频繁抓取。所以在这里如果你的网页全部是静态的。也就意味着不生成一遍对应页面是不会发生变化的。相对而言针对这种策略逻辑你就不是很站好。所以网址设置为伪静态的,在网站打开速度能够很好控制的前提下,把网页本身设置为动态页面是很不错的选择。

所谓用户体验的网页更新策略,是搜索引擎认为网页参与具有一定搜索量词的排名,且在前3页的,是经常会被用户访问到的页面。那么针对这类页面要更优先的进行抓取更新。

而3页之后的网页对于用户而言,访问的人占到了极少数,晚一些时间更新也未尝不可。因此采取的一种网页抓取更新策略。

这种策略让我们知道,一些核心关键词排名靠前的网页,被爬虫抓取的频次是更多的。那么值得思考的一个问题是网站也会有一些详情页,聚合页甚至文章页参与比错的词的排名。这是不是意味着这次页面抓取量也不错呢?针对这个问题,赵彦刚之前通过对访问日志的分析确定了这个答案,在80%的情况下,确实是这样的。但这种页面的频率远低于首页、频道页等距离首页更近,路径更短的页面抓取量。

不过,我们还是可以好好优化我们的详情页/文章页,在这类页面以展示最新内容,为最新内容的收录增加爬虫抓取的入口。

谈到这个策略,我们先从字面意思来看“抽样,聚类”。抽样是指从网站中抽取一些样本出来进行观察,而聚类是根据这些样本的观察得出一定的结论后应用于这个类型上。

我们的网站都是有不同类型组成的,例如列表页、产品详情页、文章页、频道页、聚合页等,这些都是不同的类型。搜索引擎从这中间抽选出一些样本,进行观察后得出一个更新周期后,应用于整个类型的方式就是抽样聚类的网页抓取更新策略。

我们举个例子,搜索引擎从列表页抽样找到A列表页,通过分析观察发现A列表页每2天可以抓取一次。然后和A列表页同类型的还有B、C、D列表页,因为他们的模版一样、导航都有、首页下模块也特指这四个列表页。那么他们是一类的,所以B、C、D列表页和A列表页一样,都是2天一抓取。

好了今天的分享就到这里,希望对你有所帮助,如果你有什么问题欢迎在留言去给我留言。

深圳SEO
图像应用工具 SEO优化

图像应用工具

图像应用工具 1.Photoshop Adobe公司的Photoshop是一套专业级的图像应用软件。它提供了富有创新的艺术工具、强化的Web特性,而且捆绑销售其功能强大的AdobelmageReady...
网站制作工具推荐 CMS教程

网站制作工具推荐

第二节网站制作工具 网站制作所需的工具、种类和数量都很多。大体包括HTML编辑工具、网页开发工具、图像应用工具、创建动态元素的工具四类。同时,您还应该使用浏览器来测试网页设计效果。 1.2.1HTML...
网站建设常识 CMS教程

网站建设常识

网站建设常识 1。1。1域名 什么是城名呢?从技术上讲,域名是在Internet中用于解决地址对应问题的一种方法。它是用于在Internet上查找网站的专用名字,与我们熟悉的地址、门牌号的作用相似。 ...
网站运营SEO搜索技巧 SEO优化

网站运营SEO搜索技巧

可 以 说 , 搜 索 引 擎 是 我 们 最 好 的 自 学 老 师 , 不 仅 效 率 高 , 而 且 这 种 学 习 方 法 真 的 是 你 自 己 的 经 验 , 更 重 要 的 是 , 它 ...
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: