在上文中小編為大家講解了網(wǎng)站優(yōu)化教程中搜索引擎蜘蛛的分類，下面，悅哥網(wǎng)站優(yōu)化小編為大家介紹搜索引擎蜘蛛的抓取方式。

對(duì)于搜索引擎來說,要抓取互聯(lián)網(wǎng)上所有的網(wǎng)頁幾乎是不可能的。從目前公布的數(shù)據(jù)來看,容量大的搜索引擎也不過抓取了整個(gè)互聯(lián)網(wǎng)網(wǎng)頁數(shù)量的40%左右。其中的原因,一方面是抓取技術(shù)的瓶頸,無法遍歷所有的網(wǎng)頁,許多網(wǎng)頁無法從其他網(wǎng)頁的鏈接中找到;另一方面是存儲(chǔ)技術(shù)和處理技術(shù)的問題。如果按照每個(gè)頁面20KB計(jì)算(包含圖片),100億個(gè)網(wǎng)頁的容量是100×2000GB。即使能夠存儲(chǔ),下載也存在問題(按照一臺(tái)機(jī)器每秒下載20KB計(jì)算,需要240臺(tái)機(jī)器不停地下載一年,才能把所有網(wǎng)頁下載完畢)。

同時(shí),由于數(shù)據(jù)量太大,在提供搜索時(shí)也會(huì)有效率方面的影響。因此,許多搜索引擎的蜘蛛程序只抓取那些重要的網(wǎng)頁,而在抓取時(shí)主要依據(jù)某個(gè)網(wǎng)頁的鏈接深度來評(píng)價(jià)其重要性。

在抓取闕頁的時(shí)候,搜索引擎蜘蛛一般有兩種策略,分別是廣度優(yōu)先和深度優(yōu)先,如圖1所示。廣度優(yōu)先是指搜索引擎蜘蛛會(huì)先抓取起始網(wǎng)頁中鏈接的所有網(wǎng)頁,然后選擇其中的一個(gè)鏈接網(wǎng)頁,繼續(xù)抓取在此網(wǎng)頁中鏈接的所有網(wǎng)頁。這是最常用的方法,因?yàn)檫@個(gè)方法可以讓搜索引擎蜘蛛并行處理,以提高其抓取速度。深度優(yōu)先是指搜索引擎蜘蛛會(huì)從起始頁開始,一個(gè)鏈接一個(gè)鏈接跟蹤下去,處理完條線路之后再轉(zhuǎn)入下一個(gè)起始頁,繼續(xù)跟蹤鏈接。這個(gè)方法有個(gè)優(yōu)點(diǎn)是搜索引擎蜘蛛的設(shè)計(jì)比較簡單。

由于不可能抓取所有的網(wǎng)頁,所以有些搜索引擎蜘蛛對(duì)一些不太重要的網(wǎng)站設(shè)置了訪問的層數(shù)。如圖1所示,A為起始網(wǎng)頁,屬于第0層,B、C、D、E、F屬于第1層,G、H屬于第2層,I屬于第3層。如果搜索引擎蜘蛛設(shè)置的訪問層數(shù)為2,網(wǎng)頁I將不會(huì)被訪問。這也導(dǎo)致有些網(wǎng)站的一部分網(wǎng)頁能夠在搜索引擎上搜索到,而另外一部分無法搜索到。對(duì)于網(wǎng)站設(shè)計(jì)者來說,扁平化的網(wǎng)站結(jié)構(gòu)設(shè)計(jì)有助于搜索引擎抓取其更多的網(wǎng)頁。

搜索引擎蜘蛛在訪問網(wǎng)站網(wǎng)頁的時(shí)候,經(jīng)常會(huì)遇到加密數(shù)據(jù)和網(wǎng)頁權(quán)限的問題,有些網(wǎng)頁是需要會(huì)員權(quán)限才能訪問的。當(dāng)然,網(wǎng)站的所有者可以通過協(xié)議讓搜索引擎蜘蛛不去抓取,但對(duì)于一些出售報(bào)告的網(wǎng)站,它們希望搜索引擎能搜索到它們的報(bào)告,但又不想讓搜索者完全免費(fèi)地查看,這樣就需要給搜索引擎蜘蛛提供相應(yīng)的用戶名和密碼。搜索引擎蜘蛛可以通過所給的權(quán)限對(duì)這些網(wǎng)頁進(jìn)行抓取,從而提供搜索。而當(dāng)搜索者查看該網(wǎng)頁的時(shí)候,同樣需要進(jìn)行相應(yīng)的權(quán)限驗(yàn)證。

以上就是本次小編為大家分享的關(guān)于網(wǎng)站優(yōu)化教程中搜索引擎蜘蛛的抓取方式的內(nèi)容，本文主要內(nèi)容來源于網(wǎng)絡(luò)，由小編整理發(fā)布，如有侵權(quán)請聯(lián)系本網(wǎng)站，謝謝!