爬蟲與SEO的關(guān)系

SEO教程有很多，一些是入門級(jí)的，如了解爬蟲，或者叫web機(jī)器，或者叫spider。一些是進(jìn)階的如相關(guān)性，權(quán)威性，用戶行為等。夯實(shí)基礎(chǔ)，會(huì)加深對(duì)SEO的理解，提高網(wǎng)站SEO優(yōu)化效率。

類似于建造大樓一樣，地基打牢，上層建筑就會(huì)更加穩(wěn)固。做SEO也是一樣的，熟悉乃至精通SEO相關(guān)入門教程，對(duì)于日后的SEO工作，起著極大的正面作用。

我一直強(qiáng)調(diào)搜索引擎原理對(duì)于我們操作SEO的重要性，爬蟲是其中不可或缺的一環(huán)，從這個(gè)角度來看，SEO與爬蟲的關(guān)系是密不可分的。

通過簡單的流程圖，這個(gè)流程圖也就是搜索引擎原理，就可以看到SEO與爬蟲的關(guān)系，如下：

網(wǎng)絡(luò) < — > 爬蟲 < — > 網(wǎng)頁內(nèi)容庫 < — > 索引程序 < — > 索引庫 < — > 搜索引擎 < — > 用戶。

網(wǎng)站上線，其基本述求是讓網(wǎng)站的內(nèi)容被用戶搜索到，且這個(gè)概率越高越好，爬蟲的作用體現(xiàn)在收錄方面，體現(xiàn)在網(wǎng)站的內(nèi)容有多少能被搜索引擎看到。

一：爬蟲是什么？

爬蟲有很多名字，比如web機(jī)器人、spider等，它是一種可以在無需人類干預(yù)的情況下自動(dòng)進(jìn)行一系列web事務(wù)處理的軟件程序。

二：爬蟲爬行方式是什么？

web爬蟲是一種機(jī)器人，它們會(huì)遞歸地對(duì)各種信息性的web站點(diǎn)進(jìn)行遍歷，獲取第一個(gè)web頁面，然后獲取那個(gè)頁面指向的所有的web頁面，依次類推。因特網(wǎng)搜索引擎使用爬蟲在web上游蕩，并把他們碰到的文檔全部拉回來。然后對(duì)這些文檔進(jìn)行處理，形成一個(gè)可搜索的數(shù)據(jù)庫。簡單來說，網(wǎng)絡(luò)爬蟲就是搜索引擎訪問你的網(wǎng)站進(jìn)而收錄你的網(wǎng)站的一種內(nèi)容采集工具。例如：百度的網(wǎng)絡(luò)爬蟲就叫做BaiduSpider。

三：爬蟲程序本身需要優(yōu)化的注意點(diǎn)。

鏈接提取以及相對(duì)鏈接的標(biāo)準(zhǔn)化

爬蟲在web上移動(dòng)的時(shí)候會(huì)不停的對(duì)HTML頁面進(jìn)行解析，它要對(duì)所解析的每個(gè)頁面上的URL鏈接進(jìn)行分析，并將這些鏈接添加到需要爬行的頁面列表中去。關(guān)于具體的方案我們可以查閱這篇文章

避免環(huán)路的出現(xiàn)

web爬蟲在web上爬行時(shí)，要特別小心不要陷入循環(huán)之中，至少有以下三個(gè)原因，環(huán)路對(duì)爬蟲來說是有害的。

他們會(huì)使爬蟲可能陷入可能會(huì)將其困住的循環(huán)之中。爬蟲不停的兜圈子，把所有時(shí)間都耗費(fèi)在不停獲取相同的頁面上。

爬蟲不斷獲取相同的頁面的同時(shí)，服務(wù)器段也在遭受著打擊，它可能會(huì)被擊垮，阻止所有真實(shí)用戶訪問這個(gè)站點(diǎn)。

爬蟲本身變的毫無用處，返回?cái)?shù)百份完全相同的頁面的因特網(wǎng)搜索引擎就是這樣的例子。

同時(shí)，聯(lián)系上一個(gè)問題，由于URL“別名”的存在，即使使用了正確的數(shù)據(jù)結(jié)構(gòu)，有時(shí)候也很難分辨出以前是否訪問過這個(gè)頁面，如果兩個(gè)URL看起來不一樣，但實(shí)際指向的是同一資源，就稱為互為“別名”。

標(biāo)記為不爬取

可以在你的網(wǎng)站中創(chuàng)建一個(gè)純文本文件robots.txt，在這個(gè)文件中聲明該網(wǎng)站中不想被蜘蛛訪問的部分，這樣，該網(wǎng)站的部分或全部內(nèi)容就可以不被搜索引擎訪問和收錄了，或者可以通過robots.txt指定搜 索引擎只收錄指定的內(nèi)容。搜索引擎爬行網(wǎng)站第一個(gè)訪問的文件就是robot.txt。同樣也可以把鏈接加上rel=”nofollow”標(biāo)記。

避免環(huán)路與循環(huán)方案

規(guī)范化URL

廣度優(yōu)先的爬行

以廣度優(yōu)先的方式去訪問就可以將環(huán)路的影響最小化。

節(jié)流

限制一段時(shí)間內(nèi)爬蟲可以從一個(gè)web站點(diǎn)獲取的頁面數(shù)量，也可以通過節(jié)流來限制重復(fù)頁面總數(shù)和對(duì)服務(wù)器訪問的總數(shù)。

限制URL的大小

如果環(huán)路使URL長度增加，長度限制就會(huì)最終終止這個(gè)環(huán)路

URL黑名單

人工監(jiān)視

四：基于爬蟲的工作原理，前端開發(fā)需注意的SEO設(shè)置？

1：重要內(nèi)容站點(diǎn)突出。

合理的title、description和keywords

雖然現(xiàn)在搜索對(duì)這三項(xiàng)的權(quán)重慢慢減小，但還是希望能夠合理的寫好他們，只寫有用的東西，不要在這里寫小說，要表達(dá)重點(diǎn)。

title：只強(qiáng)調(diào)重點(diǎn)即可，重要關(guān)鍵詞出現(xiàn)不要超過2次，而且要靠前，每個(gè)頁面title要有所不同description：把網(wǎng)頁內(nèi)容高度概括到這里，長度要合理，不可過分堆砌關(guān)鍵詞，每個(gè)頁面description要有所不同，keywords：列舉出幾個(gè)重要關(guān)鍵詞即可，也不可過分堆砌。

2：語義化書寫HTML代碼，符合W3C標(biāo)準(zhǔn)

對(duì)于搜索引擎來說，最直接面對(duì)的就是網(wǎng)頁HTML代碼，如果代碼寫的語義化，搜索引擎就會(huì)很容易的讀懂該網(wǎng)頁要表達(dá)的意思。

3：重要位置放置重要內(nèi)容。

利用布局，把重要內(nèi)容HTML代碼放在最前。

搜索引擎抓取HTML內(nèi)容是從上到下，利用這一特點(diǎn)，可以讓主要代碼優(yōu)先讀取，讓爬蟲最先抓取。

4：盡量避免使用js。

重要內(nèi)容不要用JS輸出。

爬蟲不會(huì)讀取JS里的內(nèi)容，所以重要內(nèi)容必須放在HTML里。

5：盡量避免使用iframe框架。

盡少使用iframe框架

搜索引擎不會(huì)抓取到iframe里的內(nèi)容，重要內(nèi)容不要放在框架中。

6：圖片需使用alt標(biāo)簽。

為圖片加上alt屬性

alt屬性的作用是當(dāng)圖片無法顯示時(shí)以文字作為代替顯示出來，對(duì)于SEO來說，它可以令搜索引擎有機(jī)會(huì)索引你網(wǎng)站的圖片。

7：需要強(qiáng)調(diào)的地方可以加上title屬性

在進(jìn)行SEO優(yōu)化時(shí)，適合將alt屬性設(shè)置為圖片本來的含義，而將 ttitle屬性為設(shè)置該屬性的元素提供建議性的信息。

8：為圖片設(shè)置尺寸。

為圖片加上長寬

圖片大的會(huì)排在前面一點(diǎn)。

9：保留文字效果

如果需要兼顧用戶體驗(yàn)和SEO效果，在必須用圖片的地方，例如個(gè)性字體的標(biāo)題，我們可以利用樣式控制，讓文本文字不會(huì)出現(xiàn)在瀏覽器上，但在網(wǎng)頁代碼中是有該標(biāo)題的。

注意：不可使用display:none;的方法讓文字隱藏，因?yàn)樗阉饕鏁?huì)過濾掉display:none;里邊的內(nèi)容，就不會(huì)被蜘蛛檢索了。

10：通過代碼精簡，云加速等方式提升網(wǎng)站打開速度。

網(wǎng)站速度是搜索引擎排序的一個(gè)重要指標(biāo)。

11：合理使用nofollow標(biāo)簽。

對(duì)于指向外部網(wǎng)站的鏈接要使用rel=”nofollow”屬性告訴爬蟲不要去爬其他的頁面。

不是說在前端開發(fā)的時(shí)候，使用了以上SEO元素，網(wǎng)站就一定會(huì)優(yōu)化好，這些設(shè)置會(huì)提升網(wǎng)站對(duì)搜索引擎的友好度。SEO不是單單的一個(gè)優(yōu)化要素決定的，是各個(gè)加分項(xiàng)的合集。如果每一個(gè)點(diǎn)都不差，且其中的一個(gè)乃至幾個(gè)點(diǎn)優(yōu)化優(yōu)勢(shì)特別明顯，那么相對(duì)于同等級(jí)別的網(wǎng)站，排名會(huì)更有優(yōu)勢(shì)。

萬丈高樓平地起平地起，熟悉爬蟲的工作流程等SEO入門教程，把握搜索引擎原理，加深我們對(duì)SEO的理解，一環(huán)扣一環(huán)，你也會(huì)成為SEO高手。