搜狗图片搜索平台它的收录机制, 它其实是由两条路组成的, 第一条是主动去爬取, 第二条是站点自己提交。那么你的网站上面的图片, 到底能不能被收录进去? 这个得看三个核心维度在起作用。哪三个维度呢?
一个是技术方面的可访问性情况怎么样, 第二个是内容上的合规性有没有问题, 第三个是图片本身的质量高不高。接下来我们就从官方制定的规则这个角度上面出发, 把这个东西给大家一个一个地说明白。
技术层面收录条件
1. 站点的可访问性情况是搜狗爬虫需要能够正常去看见这些页面。在 robots.txt 文件里面是没有禁止 /sogou/ 或者是跟图片有关的路径的。服务器的响应时间是控制在一秒到三秒这个范围以内的。也没有任何来自地域方面的访问限制。
2. 图片URL规范:图片须通过标准HTML标签(、)或直接链接呈现,不可使用CSS背景图、Canvas、JS动态渲染等方式加载。图片URL需为绝对路径或可解析的相对路径搜狗图片搜索收录规则搜狗图片搜索收录规则龙南市就业服务平台,格式支持JPG、PNG、GIF、WebP。
3. 页面结构要弄完整, 包含图片的HTML页面必须得有合法的
内容质量要求
1. 图片必须是这个网站自己有的内容, 或者已经拿到了正式的授权才可以, 不能只是简单地把别人家的东西聚合或者是搬运过来而已。
2. 关于清晰程度, 其要求是分辨率方面不能低于400×400像素这个数值, 并且在画面上不能有严重的压缩造成的失真现象, 也不能有占据大面积的水印所形成的遮挡情况, 同时也绝对不能存在因为拼接而留下的痕迹这些东西。
3. 图片需要与它所在页面的主题存在关联, 同时alt文本必须要能够准确地把图片的实际内容给描述清楚。
4. 关于是否符合规范这件事儿, 它不包含那些违反法律法规、比较低俗或者是侵犯他人权益之类的东西。
常见未收录原因及排查
图片因为被CSS或JS隐藏起来了, 或者是因为采取了懒加载的处理方式, 所以导致爬虫没有办法对其进行识别。
在robots.txt文件里面, 大家不小心把图片的那个目录给屏蔽掉了。
图片那个网址里面含着比较复杂的那些参数, 从而导致要么就是出现重复, 要么就是无法对其进行解析。
网站这边很长时间都没有进行更新了, 所以爬虫就降低了抓取的频率。
图片服务器方面的响应, 可能出现了超时的情况, 也可能返回了非200状态的代码。
排查的方法可以是这样的, 你需要先去登录搜狗站长平台, 也就是访问那个叫ziyuan.sogou.com的网址, 然后把图片的URL提交上去, 另外你也可以直接在搜索框里面输入由尖括号和代码标签组成且内容是site加冒号和你的域名这个字符串的代码标签, 然后查看收录的状态是什么样子的。
除此之外, 你还可以通过通过gz88.cn所提供的关于网站诊断的这个工具来批量检测包括图片的可访问性还有URL的规范性。
收录时效
新站点在首次被收录的时候, 通常需要花上7到14天的时间;如果是那些已经有过收录基础的站点, 那么在提交新图片之后的3天到7天之内, 平台就会完成抓取动作, 并且做好索引的更新工作;不过, 如果遇到节假日或者系统处于维护期的情况, 这个速度可能会变慢, 出现1天到2天的延迟。
加速收录的操作建议
1. 通过站长平台主动提交sitemap, 这里面是具体的内容。具体而言, 这个内容里包含了图片的URL列表。
2. 要把内容更新的频率保持住, 建议每周更新的情况不要少于两次。
3. 为每张图片配置规范的alt文本与响应式尺寸
4. 在一次提交的时候, 千万不要让URL的数量超过5万条这一限制。
前面的这些内容, 其实就是搜狗那边关于图片搜索收录方面的核心规则还有操作上的指引。但是!真正的那些具体的技术指标到底是个啥样子, 大家最好还是去瞅一眼搜狗官方最新发布的爬虫协议。



