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。
1 v' K# Y F( p1 t3 m" g: o0 E* q0 b, o. k. Y, P
百度spider对常用的http返回码的处理逻辑是这样的：
! K+ F9 e! `0 X1、404+ n% H# E2 g E8 B3 g
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。1 M! x+ @: X6 P% m/ W
/ P5 S, B9 n9 X* g: |; E: a: }2、503
5 B" X2 K! s; l 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。
% j1 R' o. }( ?( g+ _
8 Q% X7 W7 r( b% s3、403
$ v X0 ^* {" L- Z b 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。 $ a, B5 J5 T0 r" n9 x! U
7 k4 D* T) `( I! ?: u' w8 u: S: c; _
4、301$ ]) G( q5 [3 X0 ]8 q! y: J
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。
6 |9 P; I" i' y0 T8 ~! q! U5 z; |5 k6 w% H" V9 y
我们的建议( ^8 @5 S; V9 L! K, z6 F
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。6 E6 W; J; j$ N. |
3 E, ?2 W7 y" a6 ?5 {" M1 v+ Q+ S& J
2、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。
7 V3 s$ ?$ K+ G7 C @8 B
! b. L! L5 Y3 c6 S9 }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。( U- d# L8 N3 m- I
8 c8 ^0 g- d9 J4、站点迁移，或域名更换时，请使用301返回码。 |
