蜘蛛能抓取thinkphp的html页面,搜索引擎的蜘蛛是如何爬的，如何吸引蜘蛛来抓取页面...

搜索引擎的蜘蛛是如何爬的，如何吸引蜘蛛来抓取页面

搜索引擎的工作过程大体可以分成三个阶段：

(1)爬行和抓取：搜索引擎蜘蛛通过跟踪链接发现和访问页面，读取页面HTML代码，存到数据库。

(2)预处理：索引程序对抓取来的页面数据进行文字提取、中文分词、索引、倒排索引等处理，以备排名程序调用。

(3)排名：用户输入查询词(关键词)后，排名程序调用索引数据，计算相关性，然后按一定格式生成搜索结果页面。

搜索引擎的工作原理

爬行和抓取是搜索引擎工作的第一步，完成数据收集的任务。搜索引擎用来抓取页面的程序被称为蜘蛛(spider)

一个合格的SEOer，要想让自己的更多页面被收录，就要想法设法吸引蜘蛛来抓取。

蜘蛛抓取页面有几方面因素：

(1)网站和页面的权重，质量高、时间长的网站一般被认为权重比较高，爬行深度也会比较高，被收录的页面也会更多。

(2)页面的更新频率，蜘蛛每次爬行都会把页面数据储存起来，如果第二次，第三次的抓取和第一次的一样，说明没有更新，久而久之，蜘蛛也就没有必要经常抓取你的页面啦。如果内容经常更新，蜘蛛就会频繁访问页面，来抓取新的页面。

(3)导入链接，不管是内部链接还是外部链接，要想被蜘蛛抓取，就必须有导入链接进入页面，否则蜘蛛就不会知道页面的存在。

(4)与首页的点击距离，一般网站上权重最高的是首页，大部分外部链接都会指向首页，那么蜘蛛访问最频繁的页面就是首页，离首页点击距离越近，页面权重越高，被爬行的机会越大。

吸引百度蜘蛛

如何吸引蜘蛛来抓取我们的页面?

坚持有频率的更新网站内容，最好是高质量的原创内容。

主动向搜索引擎提供我们的新页面，让蜘蛛更快的发现，如百度的链接提交、抓取诊断等。

搭建外部链接，可以和相关的网站做友情链接交换，可以去别的平台发布高质量的文章指向自己的页面，内容要相关。

制作网站地图，每个网站都应该有一个sitemap，网站所有的页面都在sitemap中，方便蜘蛛抓取。