百度抓取網(wǎng)頁(yè)判斷該頁(yè)面質(zhì)量時(shí)，會(huì)受到該頁(yè)面發(fā)布時(shí)間的影響。

　　而由于網(wǎng)站有時(shí)會(huì)面臨著更換域名，而百度不會(huì)由于某個(gè)網(wǎng)站更換域名后，在重新收錄時(shí)，就認(rèn)為所有頁(yè)面都是最新更新的。

　　所以為了避免這種不公平的判斷，百度會(huì)把頁(yè)面內(nèi)的文章發(fā)布日期作為其中一個(gè)判斷標(biāo)準(zhǔn)，去判斷該頁(yè)面的發(fā)布時(shí)間，從而生成對(duì)應(yīng)的快照時(shí)間。

　　所以，對(duì)于新站，若一次需要更新很多篇文章，又怕百度誤認(rèn)為是采集的，那么在每篇文章里，就一定要加上文章發(fā)布日期，從而“幫助”百度去“了解”該文章的發(fā)布時(shí)間。

　　百度爬到的文章時(shí)間幾乎都不一樣，百度會(huì)認(rèn)為這個(gè)網(wǎng)站只是新域名，但是是舊數(shù)據(jù)，所以就不會(huì)隨便把一次性更新的大量文章誤認(rèn)為是采集的了。

　　當(dāng)然不是絕對(duì)的，因?yàn)榘俣扰袛囗?yè)面質(zhì)量的因素非常多，所以這個(gè)因素只是降低新站進(jìn)入沙河的概率。

　　我們來(lái)看下面這個(gè)例子：

我的這個(gè)域名是在2012年9月份注冊(cè)的。在發(fā)布文章時(shí)，文章發(fā)布時(shí)間直接填寫(xiě)的這篇新聞出來(lái)的時(shí)間，百度在收錄此頁(yè)面時(shí)，便以頁(yè)面內(nèi)的發(fā)布時(shí)間做了參考依據(jù)，給出了相同時(shí)間的快照。但事實(shí)上，在2012年3月26日，這個(gè)域名還沒(méi)有注冊(cè)呢。

　　以上是新站，下面我們?cè)賮?lái)看一個(gè)老站的例子：



我的這個(gè)域名是在2012年9月份注冊(cè)的。在發(fā)布文章時(shí)，文章發(fā)布時(shí)間直接填寫(xiě)的這篇新聞出來(lái)的時(shí)間，百度在收錄此頁(yè)面時(shí)，便以頁(yè)面內(nèi)的發(fā)布時(shí)間做了參考依據(jù)，給出了相同時(shí)間的快照。但事實(shí)上，在2012年3月26日，這個(gè)域名還沒(méi)有注冊(cè)呢。

以上是新站，下面我們?cè)賮?lái)看一個(gè)老站的例子：



　這篇文章是我2013年1月10日發(fā)布的。發(fā)布時(shí)我填寫(xiě)的時(shí)間是2012年12月25日。百度收錄時(shí)，同樣把快照時(shí)間定成了我填寫(xiě)的發(fā)布時(shí)間，而非真實(shí)發(fā)布時(shí)間。

　由此可以看出，百度爬蟲(chóng)在爬網(wǎng)頁(yè)時(shí)，由于并不一定爬一次就能爬到網(wǎng)站的每個(gè)頁(yè)面上，有時(shí)會(huì)由于網(wǎng)站的用戶體驗(yàn)做的不好，使得即使有文章頁(yè)鏈接，爬蟲(chóng)也不會(huì)去爬。因此，百度在爬到某一個(gè)頁(yè)面時(shí)，并不會(huì)立刻認(rèn)為這篇文章就是剛剛發(fā)布的，而是會(huì)根據(jù)百度自己的算法去判斷這篇文章的發(fā)布時(shí)間。

　當(dāng)然，大部分情況，百度還是收錄的爬到的時(shí)間。但對(duì)于少數(shù)這種時(shí)間不正確的情況也是不能忽視的，因?yàn)閷?duì)于采集的新站，如果用戶體驗(yàn)做的好，百度有可能會(huì)認(rèn)為是一個(gè)老站更換了域名，因此同樣會(huì)給予此新站較好的收錄和排名。

最新評(píng)論