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。
8 _- T* g4 }8 c1 D: L t3 y. G0 A$ p$ V' R& A8 r
百度spider对常用的http返回码的处理逻辑是这样的：
j7 l/ v9 |( J9 j4 o! g ?! \1、4045 w" b8 N, A. T" I
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。- I, E$ X2 \) A' W
C4 Z B( s' h0 y4 P( o4 f$ R
2、503
0 E, _ G; T' j3 a0 L" d# ? 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。& ^8 j L! n- P* l# W
5 ]0 r: ?; [5 K; R
3、4037 n3 T1 S( R/ r; N4 O0 i% f& I; \
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。 * B/ _( q$ }8 m
5 R" C$ e& K4 E! ?- W
4、301
! N2 f' u: B2 _- s. k 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。
7 @$ y" h1 O& D, D
/ x) X! k5 k% v* F8 h 我们的建议
$ ~; U3 }! Z3 E: u1 O* y* r U1、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。* j- v1 e/ d, i8 f
& S5 T X( T8 {, k0 `4 Y2 _5 c7 A2、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。0 F3 a: x! P8 e( U, X0 O+ ]
( k! ~6 z6 v3 T* }5 @
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; V- ^+ n. ~ }) [7 p' s
" P/ A; J0 G$ n7 f' C4、站点迁移，或域名更换时，请使用301返回码。 |
