如何提高spider抓取網(wǎng)站？提高spider抓取策略（1）
SEO網(wǎng)站優(yōu)化SEOER，每天都要時(shí)刻關(guān)注百度蜘蛛有沒有來抓取網(wǎng)站，抓取了網(wǎng)站哪些內(nèi)容，沒有抓取網(wǎng)站哪些內(nèi)容，再?zèng)]有抓取的頁面上觀察調(diào)整網(wǎng)站的問題。
想要提高爬蟲抓取頻率可以從幾個(gè)方面著手，簡單介紹提高spider抓取網(wǎng)站的策略。
提高spider抓取策略有哪些？
一、抓取友好性：抓取壓力調(diào)配降低對(duì)網(wǎng)站的訪問壓力
帶寬造成訪問壓力大，會(huì)直接影響網(wǎng)站的正常用戶訪問，為了不影響網(wǎng)站的正常用戶訪問，又能讓spider抓取有價(jià)值性的頁面。
1、IP壓力控制
如果一個(gè)域名下存在多個(gè)IP，或者是多個(gè)域名下對(duì)應(yīng)同一個(gè)IP，需要根據(jù)IP和域名多種條件進(jìn)行壓力調(diào)配控制。也可以在站長平臺(tái)中使用壓力反饋工具，人工調(diào)配對(duì)網(wǎng)站的抓取壓力，這樣spider會(huì)優(yōu)先根據(jù)站長的要求進(jìn)行抓取壓力控制。
2、站點(diǎn)的抓取速度
如果在同一個(gè)站點(diǎn)，抓取速度控制有兩類：第一類，一段時(shí)間內(nèi)的抓取頻率；第二類，一段時(shí)間內(nèi)的抓取流量。同一個(gè)站點(diǎn)在不同的時(shí)間內(nèi)抓取的速度是不同的，根據(jù)站點(diǎn)的類型來設(shè)置。
二、常用抓取返回碼示意
1、404：“NOT FOUND”，表示該網(wǎng)頁已經(jīng)失效，通常在庫中刪除，spider如果發(fā)現(xiàn)這條URL是不會(huì)抓取的。
2、503：“Service Unavailable”，表示該網(wǎng)頁暫時(shí)不能訪問。網(wǎng)頁返回503狀態(tài)碼，百度spider不會(huì)直接刪除這條URL，再訪問多次的情況下，網(wǎng)頁如果恢復(fù)正常，就能正常抓取。如果繼續(xù)返回503，才會(huì)認(rèn)為是失效鏈接，從庫中刪除。
3、403：“Forbidden”， 表示該網(wǎng)頁目前禁止訪問。如果生成的是新的URL，spider是暫時(shí)不會(huì)抓取，也是會(huì)再訪問多次；如果是被收錄的URL，不會(huì)直接刪除，短期內(nèi)同樣反復(fù)訪問幾次。如果網(wǎng)頁正常訪問，則正常抓取；如果仍然禁止訪問，那么這條URL也會(huì)被認(rèn)為是失效鏈接，從庫中刪除。
4、301：“Moved Permanently”， 表示該網(wǎng)頁重定向到新的URL。如果站點(diǎn)需要更換域名、站點(diǎn)改版的情況下，需要設(shè)置301重定向，也可以在站長平臺(tái)上網(wǎng)站改版工具提交，有效減少網(wǎng)站的流量損失。
來源：搜外網(wǎng)
