判定百度是否收录了一个页面的话, 其实核心上的判断标准也就只有三个条条: 内容原创且有信息价值、技术结构规范可被爬虫抓取、站点持续保持更新活跃。
只要满足了上面提到的那三条标准的话, 那么百度那边的爬虫在正常的抓取周期里面的时候, 也就是通常是7到14天的这个时间段之内, 就会把那个索引收录给完成掉。如果一个网站没有被收录的话, 多数情况之下, 这并不是因为它受到了惩罚, 而是上面列出来的这些条件当中的一个或者多个没有达标。
百度收录的核心规则
1. 可抓取性（技术层）
页面必须返回 HTTP 200 状态码, 并且没有 JS 渲染阻断, 也没有 robots.txt 误屏蔽, 还不得有密码墙或登录墙。
站点必须具备清晰的Url结构, 需要避免发生过深的嵌套现象, 建议深度不要超过3层路径。
它支持那种叫作 HTTPS 的安全协议, 并且它的证书方面没有任何异常情况出现。
在页面源码里面, title标签、meta description描述标签以及H1标题标签都是完整存在的, 并没有出现那些没有任何内容的空标签, 同时也没有发生任何一个被重复使用的标签的情况。
2. 这一部分的内容质量主要是在内容的层次上面进行讨论。
页面的正文字部分需要拥有自己独立的、额外增加的信息内容, 它不能是通过采集得来的数据, 也不能是通过把不同来源的东西拼接起来形成的内容, 同时还不应该是利用人工智能工具进行大批量生产出来的那些低质量、简单堆砌的信息。
大家要把那些关键词自然地放到文章里头去, 让它们的数量合适, 一般是在百分之一到百分之三这个范围里面, 千万不要出现因为堆砌同义词而导致的过度重复情况。
关于正文的实际长度, 我们给出的建议是, 其字数必须要 >= 800 字, 如果页面是属于工具类的, 或者是列表类的页面, 那么对于长度的要求是可以适当放宽的, 每一个段落都必须有明确的主题。
3. 站点活跃与信任度（运营层）
对于新站点的情况, 例如gname.xin这类刚刚上线的域名的时候, 通常是需要大约2～4周时间的一个观察期的, 在这个期间之内是要求保持每日至少更新1篇有效的内容的。
站点的 ICP 备案信息是完整的, 服务器部署在位于中国大陆的区域, 或者部署在已经完成 ICP 备案手续的海外节点上, 响应时间小于 < 500ms。
不会存在很多404、500这样的错误页面, 外链的结构看起来是自然的, 没有进行大规模的群组发送垃圾外链。
网站未收录的高频原因及排查
加速收录的操作建议
先去注册, 再去登录百度搜索资源平台（这个平台的网址是ziyuan.baidu.com）, 然后在后台把自家网站给绑定好, 之后再提交 sitemap.xml, 同时也要去用那个主动推送的接口, 这么做的好处是能把网站上新增的 URL 或者发生了改变的 URL, 立刻、实时地推送给百度这个搜索引擎。
当新站上线并且在首月保持每日更新 1 到 2 篇原创内容的时候, 等到观察期结束以后抓取频率就会得到非常显著的提升。
需要在网站内部建立起清楚的导航层次, 并且还要设置有面包屑导航, 这样做的目的在于确保那些核心的页面, 它们距离首页的点击次数最多不超过 2 次。
需要避免出现那种使用了大量JavaScript代码来进行页面渲染的情况, 如果所使用的框架是SPA（单页应用）框架的话, 那么一定要把这个方面处理好, 也就是要做好服务端渲染或者是预渲染相关的设置, 这样做的目的是为了能够确保当网络爬虫发出它的第1次请求的时候, 就完全有能力去获取到那个完整的HTML代码内容。
上文提及的规则, 乃是百度目前对外发布的、用于抓取网页和建立索引机制的那些公开标准。至于具体的执行情况怎么样, 还得以百度搜索资源平台所发布的最新公告内容为准。
如果你对某一种页面是否能够被收录这一判定事项, 仍然存有疑惑的话, 可以通过这个平台中带有「帮助中心」字样的那一块地方, 去提交一个工作单, 借此来获得那种有针对性的诊断服务。
