深入分析網(wǎng)站SEO中爬行、抓取、索引、收錄的精準(zhǔn)判斷，在我們?nèi)粘５木W(wǎng)站SEO工作中經(jīng)常會(huì)考慮到搜索引擎的工作機(jī)制，如何抓取頁(yè)面、爬行頁(yè)面、索引頁(yè)面、收錄頁(yè)面。下面重點(diǎn)談下這4個(gè)詞的機(jī)制原理。
1、爬行，抓取，索引，收錄
爬行是指蜘蛛在頁(yè)面上沿著鏈接發(fā)現(xiàn)新頁(yè)面，然后“爬”過(guò)去抓取新頁(yè)面。抓取是指蜘蛛發(fā)現(xiàn)新頁(yè)面后，像瀏覽器一樣打開(kāi)頁(yè)面，把頁(yè)面HTML代碼存入數(shù)據(jù)庫(kù)。兩個(gè)概念在英文中通常都是用crawl或spider（這里是動(dòng)詞）表示，視上下文才能分出是指哪個(gè)。
顯然，爬行和抓取是相互交織的。抓取是實(shí)際發(fā)生的我們能夠觀察到的過(guò)程，在原始日志中，蜘蛛的抓取是有完整記錄的，比如：抓取確切時(shí)間、狀態(tài)碼、抓取的文件是哪個(gè)、抓取了多大文件等等。蜘蛛對(duì)頁(yè)面的抓取就和瀏覽器讀取文件是完全一樣的。
而爬行只是一個(gè)形象的比喻，實(shí)際上并不存在蜘蛛抓取文件時(shí)發(fā)現(xiàn)鏈接然后立即跟蹤過(guò)去這樣一個(gè)過(guò)程。蜘蛛抓取文件后存入數(shù)據(jù)庫(kù)，程序解析出文件中的鏈接后將URL存入頁(yè)面地址庫(kù)，然后蜘蛛從地址庫(kù)中按一定規(guī)則選取URL進(jìn)行抓取。蜘蛛不是真的訪問(wèn)頁(yè)面時(shí)看到一個(gè)URL就爬過(guò)去。
索引指的是將一個(gè)URL的信息進(jìn)行各種整理，如去重、分詞等等，然后將關(guān)于這個(gè)URL的信息存入數(shù)據(jù)庫(kù)，被稱為索引庫(kù)。真正用于搜索的是倒排索引，以后有機(jī)會(huì)再細(xì)說(shuō)。要注意的是，索引庫(kù)中關(guān)于URL的信息不僅是組成頁(yè)面內(nèi)容的關(guān)鍵詞及其特征（位置、格式等），還有鏈接、更新情況等信息。英文索引這個(gè)詞是index。
收錄是SEO們最關(guān)心也最常用的詞，其實(shí)也是4個(gè)概念中最不明確的。被收錄指的是我們能查到頁(yè)面被搜索引擎存入了索引庫(kù)。但后面我們會(huì)看到，進(jìn)入索引庫(kù)的URL并不一定被抓取過(guò)，這和SEO們的直覺(jué)可能是不一樣的。
當(dāng)然，精準(zhǔn)掌握概念不是為了咬文嚼字，而是對(duì)很多SEO問(wèn)題的理解和處理有影響。
2、收錄不全是什么原因？
頁(yè)面不收錄是SEO們最頭疼的問(wèn)題之一，不收錄就談不上排名、流量了。太多人在博客、論壇里問(wèn)頁(yè)面不被收錄是什么原因，也給出了域名，但這種問(wèn)題是沒(méi)法回答的，即使愿意花時(shí)間去診斷也不能回答（除非列出所有可能的原因，等于沒(méi)回答），因?yàn)槿绷艘粋€(gè)關(guān)鍵信息：頁(yè)面被抓取了沒(méi)有？這只有查原始日志才能知道，看網(wǎng)站是看不出來(lái)的，查流量也是查不出來(lái)的。了解前面的概念就知道，被抓取不一定被收錄，沒(méi)被收錄也不一定意味著沒(méi)被抓取。
如果頁(yè)面被抓取過(guò)卻沒(méi)被索引和收錄，應(yīng)該往內(nèi)容是否有問(wèn)題（原創(chuàng)？采集？所謂偽原創(chuàng)？敏感內(nèi)容或產(chǎn)品？復(fù)制內(nèi)容？）方向去找原因。網(wǎng)站結(jié)構(gòu)應(yīng)該沒(méi)有大問(wèn)題，搜索引擎是看了內(nèi)容之后覺(jué)得不適合收錄的。如果頁(yè)面壓根就沒(méi)被抓取過(guò)，則應(yīng)該往網(wǎng)站和鏈接結(jié)構(gòu)、搜索引擎不友好的技術(shù)障礙、域名權(quán)重等方面去找。
3、索引了，但一定抓取了嗎？
使用site:指令或直接搜索URL都可以檢查URL是否被索引，能查到URL卻不一定說(shuō)明頁(yè)面被抓取了。經(jīng)常有人問(wèn)搜索結(jié)果中URL沒(méi)有說(shuō)明文字，只有URL，標(biāo)題也和頁(yè)面真正標(biāo)題不一樣是什么情況，原因之一就是頁(yè)面被索引了，但沒(méi)有被抓取。如圖所示淘寶在百度的收錄就是典型。
百度索引了淘寶首頁(yè)，但百度蜘蛛并沒(méi)有抓取淘寶首頁(yè)內(nèi)容，因?yàn)樘詫毜膔obots文件禁止百度抓取。存在于百度索引庫(kù)的關(guān)于淘寶首頁(yè)的是其它來(lái)源的信息，主要是外部鏈接，百度按照鏈接信息給出了猜想的標(biāo)題（和真正頁(yè)面標(biāo)題不一樣），但沒(méi)有說(shuō)明文字，點(diǎn)擊快照進(jìn)去看也是空的。如果你的頁(yè)面出現(xiàn)這種情況，說(shuō)明搜索引擎知道頁(yè)面的存在，卻因?yàn)槟撤N原因不能抓取頁(yè)面。也許robots文件有問(wèn)題？也許服務(wù)器設(shè)置出錯(cuò)禁止百度抓取了？也許宕機(jī)時(shí)間太長(zhǎng)了？
4、索引了，但索引全了嗎？
即使抓取了，也索引了，但不一定頁(yè)面所有內(nèi)容都被索引了。
通常情況下，頁(yè)面被抓取時(shí)抓取了多少？只有查日志才能知道。如果抓取時(shí)是完整的，那么頁(yè)面上的鏈接都是能被爬行的，雖然快照里顯示的并不全，所以影響倒不大。如果抓取時(shí)就不全，那問(wèn)題就比較大了，頁(yè)面將失去展現(xiàn)內(nèi)頁(yè)的意義，趕緊精簡(jiǎn)代碼吧。一般來(lái)說(shuō)，蜘蛛能抓取的比索引的大得多。
就算抓取時(shí)是完整的，不影響鏈接爬行跟蹤，那如果是內(nèi)頁(yè)，正文內(nèi)容會(huì)不會(huì)沒(méi)被索引完整呢？沒(méi)被索引到的內(nèi)容就不會(huì)被搜索到。這種情況下，看著貌似一切正常，也抓取了，也索引收錄了，但頁(yè)面不會(huì)有排名，而怎么調(diào)整頁(yè)面內(nèi)容都是沒(méi)用的，因?yàn)檎嬲撍饕臎](méi)被索引。
標(biāo)簽：林芝
東營(yíng)
九江
鹽城
烏魯木齊
