百度spider對常用的http返回碼的處理邏輯是這樣的:
1、403
403返回碼的含義是“Forbidden”,百度會認(rèn)為網(wǎng)頁當(dāng)前禁止訪問。對于這種情況,如果是新發(fā)現(xiàn)的url,百度spider暫不會抓取,短期內(nèi)會再次檢查;如果是百度已收錄url,當(dāng)前也不會直接刪除,短期內(nèi)同樣會再訪問。屆時如果網(wǎng)頁允許訪問,則正常抓取;如果仍不允許訪問,短期內(nèi)還會反復(fù)訪問幾次。但是如果網(wǎng)頁長期返回403,百度也會認(rèn)為是失效鏈接,從搜索結(jié)果中刪除。
2、301
301返回碼的含義是“Moved Permanently”,百度會認(rèn)為網(wǎng)頁當(dāng)前跳轉(zhuǎn)至新url。當(dāng)遇到站點(diǎn)遷移,域名更換、站點(diǎn)改版的情況時,推薦使用301返回碼,盡量減少改版帶來的流量損失。雖然百度spider現(xiàn)在對301跳轉(zhuǎn)的響應(yīng)周期較長,但我們還是推薦大家這么做。
我們的建議
1、如果站點(diǎn)臨時關(guān)閉,當(dāng)網(wǎng)頁不能打開時,不要立即返回404,建議使用503狀態(tài)。503可以告知百度spider該頁面臨時不可訪問,請過段時間再重試。
2、如果百度spider對您的站點(diǎn)抓取壓力過大,請盡量不要使用404,同樣建議返回503。這樣百度spider會過段時間再來嘗試抓取這個鏈接,如果那個時間站點(diǎn)空閑,那它就會被成功抓取了。
3、有一些網(wǎng)站希望百度只收錄部分內(nèi)容,例如審核后的內(nèi)容,累積一段時間的新用戶頁等等。在這種情況,建議新發(fā)內(nèi)容暫時返回403,等審核或做好處理之后,再返回正常狀態(tài)的返回碼。
4、站點(diǎn)遷移,或域名更換時,請使用301返回碼。
3、404
404返回碼的含義是“NOT FOUND”,百度會認(rèn)為網(wǎng)頁已經(jīng)失效,那么通常會從搜索結(jié)果中刪除,并且短期內(nèi)spider再次發(fā)現(xiàn)這條url也不會抓取。
4、503
503返回碼的含義是“Service Unavailable”,百度會認(rèn)為該網(wǎng)頁臨時不可訪問,通常網(wǎng)站臨時關(guān)閉,帶寬有限等會產(chǎn)生這種情況。對于網(wǎng)頁返回503,百度spider不會把這條url直接刪除,短期內(nèi)會再訪問。屆時如果網(wǎng)頁已恢復(fù),則正常抓取;如果繼續(xù)返回503,短期內(nèi)還會反復(fù)訪問幾次。但是如果網(wǎng)頁長期返回503,那么這個url仍會被百度認(rèn)為是失效鏈接,從搜索結(jié)果中刪除。