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。
5 Z* P" Q' M5 Z8 @: R8 b/ l
. @& K4 L: O# l3 r4 Q百度spider对常用的http返回码的处理逻辑是这样的：
6 O, {" w) Z3 |7 m2 }1、4045 E$ T$ j% a! G% P( M0 B* C, 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。' E2 y- {5 j+ s# w
7 ^/ ?0 X4 z- I: w% E. `
2、503
4 w7 |! W2 m/ ?; J$ M( O1 g9 ] 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。
/ W( {5 j8 K4 }) }
8 ?) N# |* a( i+ k8 N) A# e" J3、403
0 d, I0 L, G, 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。
) o& ~& h7 [, I* Q- A3 v& ` Y" f
4、301) {- [0 K6 q: F+ o
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。+ `8 X2 S6 U5 a
& K) O. W9 ~4 w* C* n1 U" N: T& ?$ C 我们的建议. e" l/ }8 {1 N" z3 a4 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。
% e9 k8 [6 b: K6 R
8 n- e+ L8 L9 Q2、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。; O0 C, `, \8 t8 V" x
' C6 W- p0 ?! L% _! A% V3、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。
4 m; z- E4 `- V# J2 M0 L5 {4 D. V8 S9 e# }. x- k
4、站点迁移，或域名更换时，请使用301返回码! |
