运营笔记:是时候了解蜘蛛爬取原理了!揭秘收录难题

来源:A5用户投稿 时间:2020-04-30

很多人在做SEO的时候,搞不清蜘蛛爬取的原理或者对收录索引都搞不清关系,这篇文章主要针对实战来讲解蜘蛛和收录的关系,不讲原理,只讲干货和经验。

首先我们提到蜘蛛可能就可能想到IP,比如以下这些;

220.181.108.89专用抓取首页IP 权重段,一般返回代码是304 0 0代表未更新。

220.181.108.94专用抓取首页IP 权重段,一般返回代码是304 0 0代表未更新。

220.181.108.97专用抓取首页IP 权重段,一般返回代码是304 0 0代表未更新。

220.181.108.80专用抓取首页IP 权重段,一般返回代码是304 0 0代表未更新。

220.181.108.77 专用抓首页IP 权重段,一般返回代码是304 0 0代表未更新。

是不是很难理解?但是如果做过网络维护、或者局域网组网的就能明白,其实每个IP对应的就是一台电脑,每组服务器组对应的就是网段。

比如,220.181.108.x这个网段,我们暂且叫收录服务器组,这个服务器组下面有电脑ABCDE,对应的IP,每台电脑上装着相应的收录程序。

那么这样是不是清楚了呢?比如你提交一个链接到百度,那么相当于把这个链接提交到收录服务器组的C号电脑。

比如你提交了1、2、3个链接,这三个链接分别提交到了收录服务器组的C、D、E号电脑,所以你查看日志的时候会发现,这三条链接对应不同的IP,也就是对应着不同的电脑。

那为什么提交3条链接会提交到三台不同电脑呢?我个人猜测,或许提交的数据太多,同一台电脑处理不了,所以采取了分布处理方式。(个人猜测,并非是研究证明,或许是更高级的处理方式)。

我昨天针对这个做了一个测试,写了3篇原创文章,发布后,我以最短的时间查看蜘蛛爬取情况,结果这三篇文章,分别爬取的IP是;

116.179.32.135——服务器1

220.181.108.122——服务器2

220.181.108.180——服务器3

第一篇文章写完后,文章过几分钟秒收录,然后我模仿第一篇写作框架,继续写第二篇,第二篇也过几分钟秒收,然后接着写第三篇,可惜的是,第三篇没有收录。

但第二天,这三篇全部收录,也就是说,第三篇变成了隔天收录。

我又查看了116.179.32.135这个IP,这个IP属于山西省阳泉市 联通,目前很多人都奇怪现在出现了116.179.32.X网段的蜘蛛,现在可以确定 的是,这个网段就是百度蜘蛛,除了nslookup可以验证外,以下几点也是证据;

蜘蛛爬身上是报喜?是时候了解蜘蛛爬取原理了!揭秘收录难题!

另外百度李总裁老家也是阳泉的,所以几个证据足以说明,搜索服务器一部分也搬到了山西。

结合上面实战的经验包括以往收录爬取的蜘蛛分析,只要是链接提交到116.179.32.135,或者220.181.108.122、220.181.108.180等等,那么链接必定收录,所以唯一解开收录密码的难点在于,如果控制链接提交到这些服务器?

甚至有人戏谑称,220开头的是官方蜘蛛,而116开头是老家蜘蛛,呵呵,希望大佬一起来研究这个问题。

文章首发运营正经说:https://www.yyzjs.cn/zhanzhang/779.html

项目推荐

A5创业网 版权所有

返回顶部