浅谈蜘蛛抓取策略--广度优先和深度优先.docVIP

浅谈蜘蛛抓取策略：广度优先和深度优先分析 ----名词释义及相关原理 ? 广度优先：是指网络蜘蛛会先抓取起始网页中链接的所有网页，然后再选择其中的一个链接网页，继续抓取在此网页中链接的所有网页。这是最常用的方式，因为这个方法可以让网络蜘蛛并行处理，提高其抓取速度。? 深度优先：是指网络蜘蛛会从起始页开始，一个链接一个链接跟踪下去，处理完这条线路之后再转入下一个起始页，继续跟踪链接。这个方法有个优点是网络蜘蛛在设计的时候比较容易。网站收录良好与否跟蜘蛛爬行频繁次数、抓取页面有关是众所周知的，但是对于蜘蛛抓取了哪些页面我们不知道，那么我们只能依靠蜘蛛爬行过的访问日志进行分析了。从日志中我们可以分析出很多的数据，那么今天笔者主要给大家讲解一下影响蜘蛛抓取的因素和爬行时间，不要小看这个日志，它可以帮助你知道网站对于蜘蛛来说，是不是意味着友好的状态，蜘蛛喜不喜欢自己的站，如果爬行量大的话，那么就可以简单的得出网站很合蜘蛛的胃口，如果蜘蛛几天都不来的话，那么就要检查一下，是不是网站没有蜘蛛喜欢的“食物”了，下面就说说影响抓取的有关要点：? ?因素一，是否有网站地图网站地图对于蜘蛛来说就是一幅爬行路线图，当蜘蛛拥有了这张路线图的时候，那么在网站上爬行就不会那么的吃力，而且也不会有随时会转到头晕的感觉。网站地图是专门给蜘蛛用的，目的就是减少蜘蛛爬行时间，加快蜘蛛爬行速度，毕竟，如果你的网站不配地图的话，就像自己去一个陌生的地方，没有地图，就要靠盲目的找了，这要花的时间多了多少，笔者不知道。所以，同样的道理，网站地图对于蜘蛛来说也一样的重要，省什么都不要省了地图，他是战前的准备、战中的方向、战后的总结。? ?因素二，是否设置404页面很多的网站对于这个根本不在意，其实按笔者的实战心得来说，这个对于一个存在死链的网站有着很重要的意义，因为他可以帮网站告诉蜘蛛，当它爬到死角的时候，给他一条出来返生之道，404页面就是为了避免蜘蛛走进死胡同出不来而准备的，谁敢保证自己的网站不会有死链的出现，死链对于一个网站的影响是很重要的，如果网站的死链过多，而又缺少404页面，那么用站长工具查询分析的时候，你会发现，很多的页面都抓取错误，这一方面说明，网站对蜘蛛的友好度不够，让蜘蛛产生排斥的心理。所以，404页面一定要给网站来上一个，反正又不占多大的空间，为什么不搞上呢因素三，是否导出链接过多一个网站过多的导出链接，对于网站的权重集中有很大的影 响，对于蜘蛛的逗留时间有很大的催促作用，因为当蜘蛛爬行你的网站的时候，一般都是由头爬到尾的，那么蜘蛛爬行有时候是按广度爬行法，有时按深度排行法，当它按广度排行法的时候，刚好爬到尾部而还没进入内页，你就给他来一条导出链接，那么蜘蛛也会按照其导出链接出去的，这样就是你经常看到的蜘蛛来了，但是没收录任何页面的原因了。所以，网站不要设置过多的导出链接，他给你的网站没有任何的利益。? ?因素四，是否导入链接过少相对导出链接，那么导入链接就是越多越好了。导入链接要遵从两个原则：广泛度与质量。先有质才有量，所以，咱们建设导入链接的时候，要先注重导入链接的质，然后再追求量。如果你颠倒过来的话，那么不但不能让网站对有哪些信誉好的足球投注网站引挚友好，而且还会让网站在有哪些信誉好的足球投注网站引挚眼里减分。因为你追求量的时候，通常都会把质忘了，造成了拥有过多的垃圾链、无效链接。所以，导入链接最讲究的是质与广，只有两者很好的结合在一起，才能让网站排名权重刷刷的往上涨。?贡献