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。4 p0 t4 [2 G4 S0 M6 [! t/ O# ]3 g) e
$ m' M- E: k6 j1 s; r; q; Y6 J B# F+ p百度spider对常用的http返回码的处理逻辑是这样的：( p5 o& B4 l7 {! v9 p
1、404
6 H/ A& J9 [: K- v: O8 W: o- } 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。
. X d) B: S4 F) ~# J) D8 {2 D6 U5 N- I/ [
2、503
+ y, ?7 @2 G. k, V0 p, |! A9 S+ M6 O 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。, r1 E" k& Y" q, N: s- F% S5 `$ @
) j& T8 p5 K: G3 d, M- q: U& X9 Z" n3、4037 u- Q; w- O4 |7 W. a
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。
* f9 S9 O1 ^3 c( h5 b
# H8 _; `( M, B) T4、301 n/ D$ v, \$ R$ @* B5 f
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。
( Z8 C1 G0 s4 {5 ^. J6 Z0 N
# h; @- {0 h1 ], ] J+ t 我们的建议
- i, J* }5 t7 i3 B1、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。
& a" T0 p9 y' ~ @7 }4 ]# V* }% D1 \
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。, Y# b# H% w( F7 w7 g
& U; n0 }4 u" m/ D3 c* r' y, r: I3、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。
3 L4 h5 }- l9 }" M2 C, l# B: r# Q# Y" d* H0 w: ?0 _
4、站点迁移，或域名更换时，请使用301返回码。 |
