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。( ?3 D/ G! O3 S/ Y% C0 C8 L
; N2 S9 u, O; L" {- {3 p百度spider对常用的http返回码的处理逻辑是这样的：6 O' p7 P# _( T3 U- C5 f* q/ z
1、4040 {+ G+ q$ H& d# Z
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。/ C# s, D! o! l
5 X; b' k4 b K6 o
2、503
; X. a Q8 N# T: n# H: @1 | 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。0 M# ]4 v3 G2 @) y+ F
' Q( K, }( q$ C3、403
; e, w: b1 N9 w" v8 B% n' n6 J 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。
1 f3 j2 @0 w& B) |7 v( {7 t- i; v
! o0 c# d6 i( X1 p, M, x) f) g' ]4、301
G. Y* u* Z/ D2 k) t 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。 x1 a6 D4 e" x1 E: t$ c
& ~ y" R3 d. l4 C6 d ~* {. A 我们的建议) G9 z3 c' u& E) X" n, N
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。
7 O8 A1 Q' R- E Y1 X
/ _; `5 E- ]3 S- o$ W2、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。
$ N6 J5 f7 j6 M. s7 ?5 r8 h
" G8 `( H: I; F4 ^. m3、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。: O# a$ b& }' D/ s
) l/ O2 @/ T, o: j# n* B
4、站点迁移，或域名更换时，请使用301返回码。 |
