解析篇——VIP大講堂（上海站）QA集錦
分享
評論
贊0
上周為站長朋友們獻出了VIP大講堂上海站中關于SPIDER抓取建庫方面的QA內容，本周繼續將解析方面的QA內容奉上。
問：我們的頁面本身就很大，會不會解析不出來？
答：頁面本身很大倒沒問題，趕集、安居客這些量都很大，沒有問題。我剛才說的例子，你每次都follow出來新鏈接，隨機把后面的參數去掉都不影響這個網頁的正常訪問，這種肯定有問題的。
問：剛才說對URL的長度有要求，那對每一段、就是目錄名的長度有沒有要求
答：沒有要求，我們是要求url從www開始到結束，總長度不超過1024個字節。
問：站內重復內容是怎么判斷的？文本內容一樣結構不一樣，算不算重復？
答：算重復
問：假設是整個頁面全是Flash，如果我把一些欄目或者最新的內容隱藏掉，不影響美觀隱藏掉，如果用hidden屬性能不能提取出來？CSS可不可以？
答：hidden可以提出來，但如果是注釋就不會管。CSS不可以。
問：頁面大小不超過1兆，是指頁面壓縮以前還是以后。
答：指頁面壓縮以后，不要超過1兆
問：我網站的信息已經過時了，但網頁返回的是200，會受懲罰？為什么呀？
答：用戶在搜索結果里點了你的結果，導流導到你的網站，但沒什么可看的，對用戶沒有用，百度當然不喜歡。
問：現在我們很多網站，為了讓用戶覺得有意思，內容沒了就放一張圖片，寫一些有意思的話，什么“工程師去哪啦”之類的，對百度友好不？
答：最好不要用，我知道站點是想讓百度當內容死鏈來識別，但內容死鏈識別起來是有準確率和召回率風險的。
問：我們團購網站的確會有過期團購的頁面，會受懲罰嗎
答：如果量特別大、點擊量很大的話肯定會有懲罰的。有些可以當內容死鏈被分析出來，如果分析不出來，會被一些其他的策略挖出來，會有這樣的問題。
問：剛才說資訊內容頁面，上面有個發布時間好，那如果頁面上沒有時間呢？
答：那我們往往是按當時抓取的時間來做判定。
問：評論里面時間重要嗎。
答：百度更重視主體內容的時間，評論不算主體內容。
問：我們是個平臺，很多產品其實只是一個型號變更了，其實顏色都是一模一樣的，對蜘蛛而言僅僅只是幾個字符，會被識別為重復嗎
答：如果是一個產品的結構化信息的話，應該不會被認為是重復。如果你是簡單內容摘要的方式進行介紹的話，可能會存在重復問題。
問：靜態URL和動態URL區別大嗎？
答：不大，我們現在認為靜態和動態都一樣的，因為從url上面他能夠識別出來，但是抓取回來的東西不太一樣。所以現在認為無論你是靜態還是動態，我們都認為同樣都是url來對待。
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論