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。0 y1 S) E7 i1 u& g/ G) ]3 N
+ F( u. G f$ J2 P
百度spider对常用的http返回码的处理逻辑是这样的：* v1 N5 t- k$ K$ e/ F* _5 d) R
1、4041 B( O |$ J' {! v
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 i6 H4 i: B) I( a R- ]% l6 l- @
0 Z1 M/ J7 F9 ~. Z4 c% g8 y, J2、503
* w6 K' i7 p) Z: l8 @, T" U 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。
- I$ N' A, X+ A6 u s$ k" r, B% V$ }! Y t. W- l3 m7 y0 Y
3、403
% z' f; D- P2 E0 B7 H9 Q 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。
/ G1 k* {6 [3 {4 }' q! Z9 C" ^
' v' A) _, [. L6 s) b3 O4、301+ \* M: `' A" {& K# @& D
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。( x% A9 y4 Q! I4 q- W% @' I
% F8 u$ u( R! |
我们的建议
9 _" }( a/ M, _' J7 Q( n/ ?. R- i1、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。
& d5 l) K/ A ^1 r( u C3 ~2 @
2 H9 [% P z+ e5 ~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。
: _& i6 V0 n! J3 Y. ?" K6 b. b6 f2 w: Y! Q2 @6 M. P
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。
& ?* K# j9 C& c- D0 \! P
5 V \# J \4 L0 d4、站点迁移，或域名更换时，请使用301返回码。 |
