百度解密百度爬虫对常用的http返回码是如何处理的？

　　百度爬虫对常用的http返回码的处理逻辑？百度爬虫在进行抓取和处理时，是依据http合同规范来设置相应的逻辑的，因此，如果网站/页面发生一些非常状况或则网站某类页面集存在特殊性的时侯，我们必须晓得怎样处理能够更符合百度爬虫，以防止错误的措施给沈阳网站优化带来不必要的风险。在http状态码使用方面做了说明，主要涉及到常见的301、404、403、503状态码的处理建议，非常实用，结合这种知识以及往年遇见的实际情况我会做一点补充应用说明。

　　503返回码的含意是“Service Unavailable”，百度会觉得该网页临时不可访问，通常网站临时关掉，带宽有限等会形成这些情况。对于网页返回503，百度爬虫不会把这 条url直接删掉，短期内会再访问。届时假如网页已恢复，则正常抓取；如果继续返回503，短期内都会反复访问几次。但是若果网页常年返回503，那么这 个url仍会被百度觉得是失效链接，从搜索结果中删掉。

　　403返回码的含意是“Forbidden”，百度会觉得网页当前严禁访问。对于这些情况，如果是新发觉的url，百度爬虫暂不会抓取，短期内会 再次检测；如果是百度已收录url百度爬虫攻击，当前也不会直接删掉，短期内同样会再访问。届时假如网页容许访问，则正常抓取；如果仍不容许访问，短期内都会反复访问 几次。但是若果网页常年返回403，百度也会觉得是失效链接，从搜索结果中删掉。

　　404返回码的含意是“NOT FOUND”，百度会觉得网页早已失效，那么一般会从搜索结果中删掉，并且短期内爬虫再度发觉这条url也不会抓取。

　　301返回码的含意是“Moved Permanently”，百度会觉得网页当前跳转至新url。当遇见站点迁移，域名更换、站点改版的情况时，推荐使用301返回码，尽量降低改版带来的 流量损失。虽然百度爬虫现今对301跳转的响应周期较长，但我们还是推荐你们如此做。

　　陕西弈聪对于个别常见情况的使用建议：

　　如果百度爬虫对您的站点抓取压力过大，请尽量不要使用404，同样建议返回503。这样百度爬虫会过段时间再来尝试抓取这个链接，如果哪个时间站点空闲，那它还会被成功抓取了。

　　有一些网站希望百度只收录部份内容，例如初审后的内容，累积一段时间的新用户页等等。在这些情况，建议新发内容暂时返回403，等初审或做好处理过后，再返回正常状态的返回码。

　　站点迁移，或域名更换时，请使用301返回码。

　　如果站点临时关掉，当网页不能打开时，不要立刻返回404，建议使用503状态。503可以告知百度爬虫该页面临时不可访问百度爬虫攻击，请过段时间再重试。

　　此内容DOC下载

　　此内容PDF下载

　　【全文完】