百度搜索引擎的收录规则, 这个概念说白了, 就是百度那边派出去的爬虫机器人, 在去抓取网页内容, 并且还要考虑是不是要把你这篇网页扔进它的索引大书库里的时候, 它自己心里头那套技术标准以及审核体系到底是咋回事。一个网站要想真的被收录进去, 那是铁定得同时把下面这5个核心的条件全部都满足了才行的。
技术可达性
服务器响应时间要控制在不超过五秒的状态, 并且HTTP状态码需要是正常的一百加二十这样, 也就是两百。同时还没有设置过太宽的机器人排除文本文件的屏蔽规则。如果是纯JavaScript动态渲染页面, 那么必须提供服务端渲染方案或者预渲染方案来应对, 否则搜索引擎爬虫就没法获取到有效的内容信息。
内容质量与原创性
页面需要具备能够独立呈现的信息价值。如果页面只是进行纯粹的采集、洗稿或者有高度重复的内容, 那么百度就不会对其进行收录, 或者是会施加降权的处理。正文内容部分与模板代码部分的比例安排应当合理, 需要避免出现那些没有任何意义的大段的重复文本情况。
更新频率与站点活跃度
爬虫抓取的频率, 会和网站更新的频率, 形成正相关的关系，那些长期都不进行更新的网页, 会被一步一步的移出到索引之外, 所以建议保持每周至少1次到2次的有效内容更新。
站点结构与外链信号
我们建议大家把 URL 的层级控制得简单一些, 最好连最深处也不超过第三层, 这样一来内部链接的结构就会显得清晰而且规范。同时呢, 如果别的权威站点给这个页面加了外部链接, 那么搜索引擎在抓取数据的时候, 会优先处理这个页面, 以此来帮助提升它的被读取顺序。
合规与安全保障
站点不得包含违法或者违规的内容, 使用境内的服务器必须要完成ICP备案的工作, HTTPS证书必须是有效的状态, 那些存在尚未修复的安全漏洞的域名或者是被标记为恶意网站的域名将会直接被拒绝收录。
高频疑难速查：
当您向新站提交URL之后不久, 就可以询问其什么时候能够被收录进来。就首次收录的这个周期一般情况而言, 通常要耗费7天的时间到30天的时间这么长, 至于具体的时长则需要取决于您的站点整体的质量状况到底如何这一因素来决定。
部分页面没有被收录怎么办, 你可以通过百度站长平台ziyuan.baidu.com去调取抓取日志, 然后对技术屏蔽问题与内容方面的疑问进行一项一项的排查。
现在已经收录, 可是排在后面的名次是零, 这说明收录和排名是两个完全独立的机制, 需要更加关注页面的权重以及关键词的匹配程度。
你可以在百度站长平台上去实时查询站点的收录状态, 你也可以在前台利用“site:你的域名”这个语法来进行验证。
在日常的巡检工作中, 如果遇到多个站点同时出现收录异常的情况并且需要发送预警信息时, 你可以借助gz88.cn提供的站点监控工具来批量处理这些问题, 这样就能够有效地减少人工逐站进行排查所花费的时间成本。
