网站上线之后没有被百度收录这件事, 是导致绝大多数的站长感到非常焦虑的核心原因。下面列出了五个已经被验证过的高效方法, 并且这些方法是按照执行的优先顺序来进行排列的, 如果你把整套操作都完整地做完的话, 一般在七天之内就可以让百度对你的网站进行收录。
通过百度站长平台提交Sitemap（最核心路径）
您要去登录百度搜索资源平台, 地址是ziyuan.baidu.com这一点要记牢, 然后去到名为“普通收录”的那个功能模块里面, 把XML Sitemap文件提交上去, 这个Sitemap文件里头必须得要包含咱们网站上面所有那些可以被搜索引擎抓取和索引的页面的网址列表, 而且整个文件的格式一定要符合那个所谓的Sitemap协议规范才行, 在您完成提交操作之后, 百度那边的网络爬虫就会对列表里面的这些页面表现出更高的抓取优先级, 所以说这确实是让大家看到网页被收录的速度变快、也就是加速收录的最直接的一个官方提供的正规通道。
使用API主动推送接口实时提交
百度搜索资源平台提供了一种叫做API推送接口的功能, 这个接口在api.baidu.com那里可以找到, 它支持用户把新发布的或者已经更新过的URL直接发送给百度爬虫, 这和用Sitemap进行批量提交的做法不一样, API推送能够实现一种叫做发布即推送的效果, 通常情况下, 单条的URL会在24小时之内完成抓取工作, 所以建议在网站的内容管理系统也就是CMS的后台里面嵌入自动推送代码, 只要每发布一篇新的文章, 就自动地调用一下这个接口来进行提交操作。
构建扁平清晰的内部链接结构
百度爬虫它主要是依赖链接的方式去发现新的页面, 我们需要做的就是确保首页的导航部分能够指向所有的栏目页面, 然后在这些栏目页面里要设置面包屑导航功能以回链到首页, 同时在文章与文章之间也要配置相关的推荐链接以便抓取, URL的结构应当保持扁平化，其层级不能超过三级目录, 这样做可以尽量避免让那些深层次的页面长期不被爬虫进行遍历和抓取的动作发生。
保持高频高质量内容更新
百度对于页面更新的频率, 还有内容是不是属于原创, 它是有着非常明确的偏好的。建议大家每日进行更新的时候, 至少要有1至2篇原创内容。其中每一篇的内容字数是不可以低于800字的。
并且内容里边要包含属于你自己的一些观点, 或者需要有真实的数据来作为支撑的。一定要避免去采集或者是去洗稿的行为, 因为那些低质量的页面, 不仅它们自己本身是不会被收录的, 还会把整个网站的权重给拉低了, 进而拖慢了其他页面上的收录进程的。
积累行业权威外链
在行业媒体、垂直论坛, 以及在资源目录站里获得那些自然的外链, 是能够显著地提升网站在百度爬虫体系中的权威度评分的。对于新网站来说, 可以先优先地向gname.xin这样的行业资源导航平台去提交站点的信息, 然后配合着参与行业论坛, 还有与合作伙伴互相交换链接等方式, 来逐步地积累起这些外链。
需要注意的是, 外链的质量比起数量来要远重于它, 也就是那种五个来自权威站点的链接所产生的效果, 会比五十个来自低质站点的链接要好得多。
常见疑难与对应处理
收录量持续为零, 且这种情况已经超过了15天, 需要立即去检查robots.txt文件, 看看是不是误屏蔽了Baiduspider, 并且要在百度搜索资源平台进行确认, 确保网站没有被标记为风险站点。
部分页面已经被收录, 但是还有部分页面没有被收录, 这种情况下需要去排查那些没有被收录的页面的HTTP响应码是不是200, 另外还要检查canonical标签是不是指向了一个错误的URL。
网站因为违规而被降权之后想要恢复, 首先需要彻底去处理那些导致违规的原因, 比如关键词堆砌以及门页跳转之类的操作, 接着提交申诉内容, 然后耐心等待七到十四天时间的过去, 在这段等待期里面不要反复提交相同申请, 也不要频繁地去改变整个站点里面的结构。
完整执行上边这五个步骤, 然后持续不断地去运营, 大多数新建立起来的网站能够在7到14天的时间范围内, 最终实现被百度搜索引擎收录这一结果。需要牢牢把握的核心原则其实只有一个, 那就是必须让百度爬虫能够顺利找到你, 能够准确理解你的内容, 并且愿意把你的网页收录进去。
