Baiduspider百度蜘蛛抓取过程中涉及的网络协议

网站优化 admin 暂无评论

刚才提到百度搜索引擎会设计复杂的抓取策略,其实搜索引擎与资源提供者之间存在相互依赖的关系,其中搜索引擎需要站长为其提供资源,否则搜索引擎就无法满足用户检索需求;而站长需要通过搜索引擎将自己的 内容推广出去获取更多的受众。spider 抓取系统直接涉及互联网资源提供者的利益,为了使搜素引擎与站长能够达到双赢,在抓取过程中双方必须遵守一定的 规范,以便于双方的数据处理及对接。这种过程中遵守的规范也就是日常中我们所说的一些网络协议。

以下简单列举:

http 协议:超文本传输协议,是互联网上应用最为广泛的一种网络协议,客户端和服务器端请求和应答的标准。客户端一般情况是指终端用户,服务器端即指网 站。终端用户通过浏览器、蜘蛛等向服务器指定端口发送 http 请求。发送 http 请求会返回对应的 httpheader 信息,可以看到包括是否成功、服务 器类型、网页最近更新时间等内容。 https 协议:实际是加密版 http,一种更加安全的数据传输协议。 UA 属性:UA 即 user-agent,是 http 协议中的一个属性,代表了终端的身份,向服务器端表明我是谁来干嘛,进而服务器端可以根据不同的身份来做出不同的反馈结果。 robots 协议:robots.txt 是搜索引擎访问一个网站时要访问的第一个文件,用以来确定哪些是被允许抓取的哪些是被禁止抓取的。 robots.txt 必须放在网站根目录下,且文件名要小写。详细的 robots.txt 写法可参考 http://www.robotstxt.org 。百度严格按照 robots 协议执行,另外,同样支持网页内容中添加的名为 robots 的 meta 标 签,index、follow、nofollow 等指令。

转载请注明:合肥SEO » Baiduspider百度蜘蛛抓取过程中涉及的网络协议

喜欢 ()or分享
QQ客服
联系QQ客服
微信咨询
微信:304212806