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。& ]- K' r: G: R0 y5 W Y8 `. f2 S
: R0 o' Y% t6 o
百度spider对常用的http返回码的处理逻辑是这样的：& ^: W6 o2 G: ^" r4 V
1、404& z) |" C; {2 l6 [% A5 s
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。
/ t6 `. S/ h% M9 Q3 A) G5 Z9 G; [, V, x; g+ T L
2、5039 _5 P8 l, V7 F& Z0 X t
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。
$ E6 i9 M" i& h @- G
' V" P0 i1 w+ c5 u0 y0 }3、403
- n. U. D# B; M/ h6 \/ 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。 ' d4 A ^3 s' T1 U+ s9 p% z9 |
0 o U* g3 h& n7 t! U- B1 \
4、301
1 _6 S: \& Q% a' g 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。
* Q6 s5 ]+ {/ m" Q0 N; g* ?" G* f& s, t! M0 @
我们的建议
; _7 P& n/ n, f6 L" a1、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。& ^3 B/ H* z& g8 f$ Z
: n, M& u- A, r, }+ R1 e$ g* U2、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。, k0 m1 p; M( a
* T% o- T8 B a R* f) `4 d) s
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。
7 @3 i3 M7 L& V0 |3 x4 y7 X' R
' j8 O$ Q. C" ?5 C/ ^ V4、站点迁移，或域名更换时，请使用301返回码。 |
