深入分析網(wǎng)站SEO中爬行、抓取、索引、收錄的精準(zhǔn)判斷，在我們?nèi)粘５木W(wǎng)站SEO工作中經(jīng)常會(huì)考慮到搜索引擎的工作機(jī)制，如何抓取頁面、爬行頁面、索引頁面、收錄頁面。下面重點(diǎn)談下這4個(gè)詞的機(jī)制原理。   　　1、爬行，抓取，索引，收錄   　　爬行是指蜘蛛在頁面上沿著鏈接發(fā)現(xiàn)新頁面，然后“爬”過去抓取新頁面。抓取是指蜘蛛發(fā)現(xiàn)新頁面后，像瀏覽器一樣打開頁面，把頁面HTML代碼存入數(shù)據(jù)庫。兩個(gè)概念在英文中通常都是用crawl或spider（這里是動(dòng)詞）表示，視上下文才能分出是指哪個(gè)。   　　顯然，爬行和抓取是相互交織的。抓取是實(shí)際發(fā)生的我們能夠觀察到的過程，在原始日志中，蜘蛛的抓取是有完整記錄的，比如：抓取確切時(shí)間、狀態(tài)碼、抓取的文件是哪個(gè)、抓取了多大文件等等。蜘蛛對(duì)頁面的抓取就和瀏覽器讀取文件是完全一樣的。   　　而爬行只是一個(gè)形象的比喻，實(shí)際上并不存在蜘蛛抓取文件時(shí)發(fā)現(xiàn)鏈接然后立即跟蹤過去這樣一個(gè)過程。蜘蛛抓取文件后存入數(shù)據(jù)庫，程序解析出文件中的鏈接后將URL存入頁面地址庫，然后蜘蛛從地址庫中按一定規(guī)則選取URL進(jìn)行抓取。蜘蛛不是真的訪問頁面時(shí)看到一個(gè)URL就爬過去。   　　索引指的是將一個(gè)URL的信息進(jìn)行各種整理，如去重、分詞等等，然后將關(guān)于這個(gè)URL的信息存入數(shù)據(jù)庫，被稱為索引庫。真正用于搜索的是倒排索引，以后有機(jī)會(huì)再細(xì)說。要注意的是，索引庫中關(guān)于URL的信息不僅是組成頁面內(nèi)容的關(guān)鍵詞及其特征（位置、格式等），還有鏈接、更新情況等信息。英文索引這個(gè)詞是index。   　　收錄是SEO們最關(guān)心也最常用的詞，其實(shí)也是4個(gè)概念中最不明確的。被收錄指的是我們能查到頁面被搜索引擎存入了索引庫。但后面我們會(huì)看到，進(jìn)入索引庫的URL并不一定被抓取過，這和SEO們的直覺可能是不一樣的。   　　當(dāng)然，精準(zhǔn)掌握概念不是為了咬文嚼字，而是對(duì)很多SEO問題的理解和處理有影響。   　　2、收錄不全是什么原因？   　　頁面不收錄是SEO們最頭疼的問題之一，不收錄就談不上排名、流量了。太多人在博客、論壇里問頁面不被收錄是什么原因，也給出了域名，但這種問題是沒法回答的，即使愿意花時(shí)間去診斷也不能回答（除非列出所有可能的原因，等于沒回答），因?yàn)槿绷艘粋€(gè)關(guān)鍵信息：頁面被抓取了沒有？這只有查原始日志才能知道，看網(wǎng)站是看不出來的，查流量也是查不出來的。了解前面的概念就知道，被抓取不一定被收錄，沒被收錄也不一定意味著沒被抓取。   　　如果頁面被抓取過卻沒被索引和收錄，應(yīng)該往內(nèi)容是否有問題（原創(chuàng)？采集？所謂偽原創(chuàng)？敏感內(nèi)容或產(chǎn)品？復(fù)制內(nèi)容？）方向去找原因。網(wǎng)站結(jié)構(gòu)應(yīng)該沒有大問題，搜索引擎是看了內(nèi)容之后覺得不適合收錄的。如果頁面壓根就沒被抓取過，則應(yīng)該往網(wǎng)站和鏈接結(jié)構(gòu)、搜索引擎不友好的技術(shù)障礙、域名權(quán)重等方面去找。   　　3、索引了，但一定抓取了嗎？   　　使用site:指令或直接搜索URL都可以檢查URL是否被索引，能查到URL卻不一定說明頁面被抓取了。經(jīng)常有人問搜索結(jié)果中URL沒有說明文字，只有URL，標(biāo)題也和頁面真正標(biāo)題不一樣是什么情況，原因之一就是頁面被索引了，但沒有被抓取。如圖所示淘寶在百度的收錄就是典型。   　　百度索引了淘寶首頁，但百度蜘蛛并沒有抓取淘寶首頁內(nèi)容，因?yàn)樘詫毜膔obots文件禁止百度抓取。存在于百度索引庫的關(guān)于淘寶首頁的是其它來源的信息，主要是外部鏈接，百度按照鏈接信息給出了猜想的標(biāo)題（和真正頁面標(biāo)題不一樣），但沒有說明文字，點(diǎn)擊快照進(jìn)去看也是空的。如果你的頁面出現(xiàn)這種情況，說明搜索引擎知道頁面的存在，卻因?yàn)槟撤N原因不能抓取頁面。也許robots文件有問題？也許服務(wù)器設(shè)置出錯(cuò)禁止百度抓取了？也許宕機(jī)時(shí)間太長了？   　　4、索引了，但索引全了嗎？   　　即使抓取了，也索引了，但不一定頁面所有內(nèi)容都被索引了。   　　通常情況下，頁面被抓取時(shí)抓取了多少？只有查日志才能知道。如果抓取時(shí)是完整的，那么頁面上的鏈接都是能被爬行的，雖然快照里顯示的并不全，所以影響倒不大。如果抓取時(shí)就不全，那問題就比較大了，頁面將失去展現(xiàn)內(nèi)頁的意義，趕緊精簡代碼吧。一般來說，蜘蛛能抓取的比索引的大得多。   　　就算抓取時(shí)是完整的，不影響鏈接爬行跟蹤，那如果是內(nèi)頁，正文內(nèi)容會(huì)不會(huì)沒被索引完整呢？沒被索引到的內(nèi)容就不會(huì)被搜索到。這種情況下，看著貌似一切正常，也抓取了，也索引收錄了，但頁面不會(huì)有排名，而怎么調(diào)整頁面內(nèi)容都是沒用的，因?yàn)檎嬲撍饕臎]被索引。

標(biāo)簽：林芝 東營 九江 鹽城 烏魯木齊