文章內容

盡可能的節省爬蟲的抓取時間

發布時間: 2012/7/29 23:57:12

    好幾天沒有更新文章了，不知道該寫一些什么了。后知在這段時間里，發現自己是越來越菜了，好多東西掌握的不夠踏實。后知的這個河北SEO博客，起初就是為了做好排名，之后又覺得沒有什么意義，就直接是和大家分享東西的了。把排名沒有放在心上了，Seo外包反而石家莊SEO、石家莊優化這兩個關鍵詞倒是上去了。這一段時間內，發現用數據分析來做SEO是越來越重要了，同樣也感覺到做SEO要基于了解搜索引擎的基礎上來做，這里后知和大家說下搜索引擎爬蟲抓取的兩種方式，希望哪里不對的地方進行拍磚。
   首先，搜索引擎爬蟲在進行抓取的時候，會采取兩種方式來抓取：新聞稿發布深度優先和寬度優先的方式進行爬取。

   第一種，深度優先遍歷抓取。深度優先抓取就類似后知博客這樣的，關鍵詞排名石家莊SEO首頁>石家莊網站優化基礎>下級欄目，首選抓取是以這樣的方式來抓取的，等到抓取完畢這些欄目之后，在進行抓“石家莊網站優化基礎”欄目下的文章，這樣就是深度優先策略，類似于家庭關系一樣。長子、次子然后是長孫等這樣的關系，后知博客沒有那么深的欄目，所以看不到這樣的效果。
   第二種，就是寬度優先的遍歷抓取。這種方式的抓取，深度是不斷的在增加的。類似于這樣的“首頁 > SEO技術 > 網站日志如何分析”爬蟲來的你網站，會順著一個欄目一級級向下抓取，等這個“SEO技術”欄目下被抓取完畢后，在進行其子下一個欄目。這樣的寬度抓取是有一定的原因的，基于網站布局的問題，往往是重要的頁面距離種子站點（種子站點是爬蟲開始抓取癿起點）是比較近的，這樣符合習慣。所以，你可以看到一個大型門戶站點，最容易看到的是一些實事新聞，這點是距離種子站點越近可以理解為越重要的頁面；其次，中文萬維網的深度沒有我們想象的那么深，到達一個網頁路徑不僅僅是一個，所以爬蟲總能找到最近的路徑到達當前頁面，據相關數據表明中文萬維網的深度為17；還有一點就是，多爬蟲的合作策略，基于這個規則大部分的抓取的起始網頁為站內的，逐漸的才會轉向站外的鏈接，抓取的封閉性是比較強的。

基于上述的兩種抓取方式，我們可以看出，我們盡可能的節省爬蟲的抓取時間，因為爬蟲到你網站的時間是一定的，縮短其單頁面的抓取時間會提高你網站的抓取量，進而會影響你網站的收錄量，最終能夠影響到你網站的SEO流量。根據以上兩種方式，來合理布局你網站的內容，讓爬蟲能夠很容易的抓取到你想要被抓取的東西，這樣合理的布局好內容，讓網站的seo流量有一個突破瓶頸的提升。
本文出自：億恩科技【www.artduck.net】

服務器租用/服務器托管中國五強！虛擬主機域名注冊頂級提供商！15年品質保障！--億恩科技[ENKJ.COM]