关于百度搜索引擎这个家伙对网站的收录判定这个事情, 它是遵循着一套非常明确且清晰的规则体系的, 所以说一个网站能不能够被进行收录、具体的收录速度快不快、还有最终的收录数量有多少, 这些都是取决于下面的这七个核心条件综合达标情况的表现。
收录的7项核心判定条件
1. 可访问性指的是服务器的响应时间得控制在2秒以内, 网站站点里面不可以在大面积地方出现403、404、500这种错误状况。百度爬虫（Baiduspider）一定要能够正常地去抓取全部页面内容。如果百度爬虫无法正常抓取的话, 那么对应的URL就会被跳过掉。
2. 内容原创性与质量: 页面内容必须要具备实质的信息价值, 如果出现了低质量采集的情况, 或者堆砌了关键词, 或者是生成了无意义重复页面, 这些情况都会被打上低质的标签, 那么最终的结果是可能不予收录, 或者被从索引里面直接移除。
3. 页面结构规范: html的结构必须清楚明白, 要使用标准的标签, 比如h1到h6, 还有title和meta这样的东西, 不要过多地依靠客户端的js来渲染内容, 那样可能会导致内容没有办法被搜索引擎抓取到, 拿gname.xin这种采用了ssr架构的新型网站来做例子就很明显了, 在服务端进行渲染的话, 能够大大提升网络爬虫识别内容的速度以及效率, 也可以把搜索引擎首次收录所需要等待的时间给缩短一些。
4. 站点稳定性需要被关注, 也就是说域名以及服务器这一块要保持长期的稳定状态, 如果发现频繁地更换域名、出现长时间断站的情况, 或者频繁地变更网站的结构, 这些情况都会导致已有的收录量被清除掉, 这样一来就必须要重新去经历完整的收录周期。
5. 无违规内容这个规定意思是说, 在站点里面, 是不允许出现违法的信息的, 也是不允许出现那些虚假的医疗广告的, 还不允许存在导流的情况, 更不允许有恶意的跳转行为。如果一旦发现这些情况被识别出来了, 就会直接触发降权的操作, 甚至连同整个站点都会被屏蔽掉。
6. 主动提交与索引配合: 用户可以通过百度资源平台进行url的提交操作, 并且还可以配置sitemap.xml来实现自动推送的内容, 这种办法能够显著加速收录进程, 从而缩短新页面进入索引库等待的时间。
7. 权威性与外链质量这一点来说, 来自于那些自身权重特别高的网站上的、非常自然的链接, 是能够帮到你的网站更快地被收录的, 并且还可以提升这种优先排序的情况。
然而, 如果你去做买卖链接这种不太好的事情, 或者是搞一堆乱七八糟的垃圾链接, 再或者是把锚文本给过度地去优化了, 那么这就很有可能会导致触发相应的算法规则, 从而面临被惩罚的风险。
收录流程与周期
在新站提交之后, 百度通常会经历抓这一过程, 然后进入过滤阶段, 接着是入库环节, 最后是展现部分, 一共是这四个阶段。对于一般新站来说, 通常需要花费3到7天时间来获得首次抓取的结果, 并且还需要等待30到90天的时间才能够正式稳定下来进入收录期这个阶段。
而对于那些已经存在很久的老站点, 一旦更新了新的内容之后, 表现较为优质的这些页面往往比较快速就被系统注意到, 能够在1到3天之内被重新进行完整收录并且呈现给广大用户去看。
关键注意事项
收录这事儿, 它并不直接等于排名。当一个页面被收录以后，它会进入索引库。但是, 实际的排名到底是什么样子的呢? 这还要看很多因素。比如页面的质量怎么样, 还有查询跟这个页面上的东西相关不相关。
除此之外, 用户的点击行为也很关键, 用户在这个平台上停留的时间长短也会产生影响。这些因素综合在一起, 最终决定了排名的实际情况。
百度会定期对索引库进行清洗操作, 对于长期不进行内容更新、并且质量在持续下降的页面, 系统会自动将其移除掉。
我们需要避免使用过多形式的弹窗或者遮挡内容的浮动层, 因为这些情况会直接对爬虫抓取的完整性产生负面影响, 这会导致页面的最终评价被判定为低质。
自查与优化路径
站长可以登录到这个叫做百度资源平台的网站, 网址是ziyuan.baidu.com。在这个平台上, 站长能够查到收录的状态。站长也能提交那些URL地址。站长还可以去获取抓取的诊断日志。
我建议你每个星期都得检查一次Baiduspider的抓取记录。你需要排查一下, 看看是不是被robots.txt或者是meta标签给错误地屏蔽了。如果发现了配置上的问题, 要马上去修正它。
你得满足上面讲的那些条件, 然后一直不停地做出对用户有真正用途的高质量内容, 只有这样, 你才能把百度给你做的收录给拿到手, 并且在之后的日子里稳稳当当地保持住, 这才是最管用的、最根本的那条路子。
