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来进行设置。
$ Z# ^7 E5 G: s6 Y
; a! l* w/ K9 K$ J: |. r百度spider对常用的http返回码的处理逻辑是这样的：
, C" U' j6 s) G" Y1、404
3 I! Q2 p* X& C 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。
( d- l* L: F" R. I' {! {9 t v" t# U
2、503
2 S3 A+ Q$ P6 s' @# E 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。4 o I- K/ O: w& T3 u# G1 W
/ b. a* }$ M& p2 f3 |- d
3、403& t8 k% F" q3 @8 I6 E
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暂不会抓取，短期内会再次检查；如果是百度已收录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。
. u+ G4 e; a1 L8 l0 ]$ B" l f4 x& Z6 C% W. _, T) d0 ?
4、301
3 d+ _( f* L9 I+ N 301返回码的含义是“Moved Permanently”，百度会认为网页当前跳转至新url。当遇到站点迁移，域名更换、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，但我们还是推荐大家这么做。
4 W* v/ A. {% }( Z6 U+ k
$ n+ e6 t8 D" S$ s7 B) D 我们的建议 z* a& @' d: U
1、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。
/ s- g+ O" B( t3 w/ J7 x0 ?, Q* N2 X, t! P
) f, z2 f. Z0 _1 w$ @! U, L$ k4 |$ a9 e2、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。
6 s9 c( B; ^6 ^2 M7 E3 Q" o% i
3 ~. X" {9 w3 h8 |3、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。
9 R+ B5 D/ l) [2 y! ^- ]8 l' b9 e9 Y6 U' J2 a! m/ N
4、站点迁移，或域名更换时，请使用301返回码。 |
