抓取异常问答

1、什么是抓取异常

    对于互联网中可正常访问的页面，百度蜘蛛抓取的内容应与普通用户访问到的内容是一致的，除此以外的情况，就是抓取异常。 

2、抓取异常对网站的影响有哪些

    若网站中有大量抓取异常的网页存在，搜索引擎会认为网站存在用户体验上的缺陷，并降低对网站的评价，最终影响到网站在百度搜索引擎中的表现。 

3、什么是死链

    页面已经无效，无法对用户提供任何有价值信息的页面就是死链接，包括协议死链和内容死链两种形式。

    协议死链：页面的TCP协议状态/HTTP协议状态明确表示的死链，常见的如404、403、503状态等。

    内容死链：服务器返回状态是正常的，但内容已经变更为不存在、已删除或需要权限等与原内容无关的信息页面。

    对于死链，建议及时修复死链数据，或进行死链数据推送，以便搜索引擎更快地发现死链，减少死链对用户以及搜索引擎的影响。 

4、什么是IP禁封

    限制网络的出口IP地址，禁止该IP段的使用者进行内容访问，即为IP禁封。 

5、什么是UA禁封

     UA即为用户代理（User-Agent），服务器通过UA识别访问者的身份。当网站针对指定UA的访问，返回异常页面（如403，500）或跳转到其他页面的情况，即为UA禁封。  

6、什么是异常重定向

     将网络请求重新指向其他位置即为重定向。常见的重定向有两种：永久重定向（301跳转协议）和暂时重定向（302跳转协议），目前百度都可以识别和支持。

     对于长时间跳转到其他域名的情况，如网站更换域名，建议您使用301跳转协议。 

7、还有哪些其他异常

     针对百度refer的作弊：网页针对来自百度的refer返回不同于正常内容的行为。

     针对百度ua的作弊：网页对百度UA返回不同于页面原内容的行为。

     JS跳转作弊：网页加载了百度无法识别的JS跳转代码，使得用户通过搜索结果进入页面后发生了跳转的情况。

     压力过大引起的偶然禁封：百度会根据站点的规模，访问量等信息，自动设定一个合理的抓取压力。但是在异常情况下，如压力控制失常时，服务器会根据自身负荷进行保护性的偶然封禁。这种情况下，请在返回码中返回503(其含义是  “Service Unavailable”)，百度蜘蛛会过段时间再来尝试抓取这个链接，如果网站已空闲，则会被成功抓取。