完美解決搜索引擎爬蟲重復抓取網站頁面的問題

         對于做SEO的從業者來講，想要解決爬蟲重復抓取的問題，就要了解搜索引擎為什么重復抓取的原因，在聊這個問題之前，我們需要理解一個概念。首先爬蟲本身是無序的抓取，他不知道先抓什么再抓什么，只知道看到了什么，且計算后認為有價值就進行抓取。

而對于我們而言，抓取的整個過程中，我們最要解決是如下幾類:

         1.新產生的頁面，沒有被抓取過的

         2.產生了一段時間，遲遲不被抓取的

         3.產生了一段時間，卻一直沒收錄的

         4.產生很久的頁面，但最近更新了

         5.包含內容更多的聚合頁面，如首頁、列表頁

         6.如上幾類，按照順序我們定義哪一類最需要被爬蟲抓取。

         針對大型網站，搜索引擎爬蟲抓取資源過剩，而針對小網站，抓取資源稀缺。所以在這里我們強調一下，我們不是要解決搜索引起爬蟲重復抓取的問題，而是要解決搜索引擎爬蟲最快的抓取我們希望抓取的頁面。要把這個思路糾正！

         下面，我們聊一下怎么讓搜索引擎爬蟲最快的抓取我們希望被抓取的頁面。

         爬蟲是抓取到一個網頁，從這個網頁在找到更多的鏈接，周而復始的過程，那么這個時候我們就要知道要想被爬蟲更大概率抓取，就要給更多的鏈接，讓搜索引擎爬蟲發現我們希望被抓取的網頁。這里我拿上述的第一種情況舉例說明一下：

新產生的頁面，沒有被抓取過的

         這類一般都會是文章頁，針對于這類我們的網站每天都會大量產生，所以我們就要在更多的網頁給予這部分鏈接。例如首頁、頻道頁、欄目/列表頁、專題聚合頁、甚至文章頁本身，都需要具備一個最新文章板塊，以此等待爬蟲抓取到我們的任何網頁時，都能發現最新的文章。

         同時，試想一下，這么多頁面都有新文章的鏈接，連接傳遞權重，那這新文章，既被抓取了，權重也不低。被收錄的速度會明顯提升。那針對那些長時間不收錄的，也可以考慮是不是權重太低了，我多給一些內鏈支持，傳遞一些權重。應該會有收錄的可能。當然也有可能不收錄，那你就要靠內容本身的質量了。之前有一篇文章是專門說內容質量的也歡迎大家閱讀：什么內容容易被百度判斷為優質內容？。  

         所以，我們為了解決搜索引擎爬蟲重復抓取問題不是我們最終要解決的。因為本質上搜索引擎爬蟲是無序的，我們只能通過針對網站的架構、推薦算法、運營策略等進行干預。使爬蟲給予我們更理想的抓取效果。如果你不會根據爬蟲的自身抓取效果進行優化網站，也可以聯系我。