大家应该知道, 百度搜索引擎的那个收录机制的核心目标, 其实是为那些用百度搜索的用户, 去筛选出高质量、并且有实际使用价值的网页内容。
至于一个网站能不能被搜索引擎收录, 以及收录的速度到底是快还是慢, 这些情况是由下面这几个关键的条件一起决定的, 网站的管理员和运维工作人员, 应该一个一个地对应着进行检查和排查。
百度收录的基本条件
1. 这种情况是可以正常被访问到的, 服务器方面给出的回应非常稳定, 并没有出现大面积的404错误或者是500错误的问题, 同时Baiduspider也能够顺利地去抓取全部的页面内容, 并且这个过程是没有被异常拦截的。
2. 原创的内容是具备信息增量的, 百度会优先收录那些对搜索用户有实际帮助的独特内容, 纯搬运或者是程序化批量生成的低质量的页面是不予收录的。
3. 对于页面的结构方面要有规范。要使用的是标准的HTML标签, meta信息必须完整, URL层级要清晰, 建议不要超过三级, 这样做的目的是便于爬虫解析以及有利于语义理解的。
4. 不存在严重的违规行为, 页面里面没有包含违法违规的信息, 也没有堆砌spam类型的链接, 不存在隐藏文本的问题, 同时也不存在欺骗性的重定向等这样的行为, 这些都不违反《百度站长质量指引》。
影响收录速度的核心因素
关于站点的历史权重, 对于那些长期收录效果良好、并且外部引用质量比较高的站点来说, 新页面通常会在 24 至 48 小时之内, 完成首次的抓取操作。
更新方面的频率以及所具备的规律性, 需要做到保持稳定并且每周至少进行两次到三次以上的发布数量。在这种保持持续更新的状态下, 负责抓取数据的爬虫系统会因此提升它自身的抓取频次。
站点结构方面采用扁平化的URL设计, 并且建立起十分清晰的内部链接体系, 这种做法在一定程度上是有助于搜索引擎爬虫更加深入地去遍历各个页面的, 从而可以在一定程度上减少那些可能出现的页面遗漏情况。
你可以采用百度搜索资源平台这种主动提交 URL 的方式来进行提交, 这样做的话, 就可以把等待收录的周期给显著缩短。
主动提交与被动抓取
主动提交的话, 站长得先去百度搜索资源平台 ziuan.baidu.com 登录进去, 然后那边, 可以通过 sitemap 文件来批量做提交的这个操作, 或者是单条 URL 来做一个个提交的这样的方式, 然后百度方面, 通常在数小时内就会安排去抓取。
所谓的被动抓取, 简单来说呢, 就是百度蜘蛛它会利用站内链接, 它会利用外部引用, 它也会利用历史索引这些具体的途径去自动发现新的页面, 这个抓取的周期是不固定的, 一般来说时间跨度通常为3至14天。
常见不被收录的原因与对策
1. robots.txt 误屏蔽：检查 robots.txt 文件百度搜索引擎收录规则苍南县武术协会，确认未将 Baiduspider 的 User-agent 加入 Disallow 规则。
2. 需要依靠 JavaScript 来渲染百度搜索引擎收录规则，或者需要进行登录操作才能看到: 要确保核心的信息能够在单纯的 HTML 代码里面直接获取到, 最好优先采用服务器端渲染的技术方案。
3. 页面加载的进程出现速度过慢的情况, 其中首字节时间数值超过了三秒的时间阈值, 针对这种现象需要采取优化服务器运行性能的举措, 同时需要对静态类型的资源文件执行压缩操作, 并且还应该启动利用内容分发网络来辅助加速的技术。
4. 内容存在着一种高度的重复现象, 这就要求务必去保证它处于一个原创的状态里, 同时还需要去避免与那些已经存在于站点里面的页面或者是在百度数据库里面存在着的大量网页之间发生雷同的情况。
5. 因为新站点的信任度还不足, 所以必须保持持续稳定更新, 完成平台站点验证, 逐步积累高质量外部引用。
提升收录效率的实操要点
你需要去把站点归属这个事情的验证弄好, 验证的时候你要自己挑一种方式来用, 这三种方式你是可以随便选的, 它们分别是DNS记录这种方式, 还有meta标签这种方式, 再一个就是HTML文件这种方式。
要通过平台里的普通收录通道, 把核心页面的地址一个一个地提上去, 并且这一动作是每七个一天就重复一次的。
要保持每周发布两到三次的节奏, 内容是高质量的原创内容, 千万不要一下子把低质量的内容批量塞进去进行更新。
构建面包屑导航, 同时也构建相关文章推荐功能, 进而形成一个清晰的站内链接闭环。
在每个月的时间点, 都要用到平台上面叫做“诊断优化”的那个工具, 用来把那些和技术的异常情况给排查掉。
以上规则的依据是百度搜索资源平台公开发布的技术文档还有站长指南整理出来的, 具体内容, 技术指标, 以及产品功能这些, 它们会跟着版本迭代可能进行调整, 所以建议大家呢以平台发布的最新公告为准。
