搜索引擎在抓取網(wǎng)頁的時候，可能會遇到各種情況，有的頁面抓取成功，有的抓取失敗。怎么顯示一個頁面的實際抓取結(jié)果呢？主要是通過返回碼進行示意，代表抓取成功與否和遇到的問題。比如我們常見的，有時候打開一個頁面，頁面一片空白， 上面只顯示404。這里的404就是一種返回碼，代表當(dāng)前抓取的頁面已經(jīng)失效，遇到顯示404的頁面，如果短期內(nèi)搜索，蜘蛛再發(fā)現(xiàn)這個URL，也不會對其進行抓取。
有時候，會返回503，503 返回碼代表網(wǎng)站臨時無法訪問，可能是網(wǎng)站服務(wù)器關(guān)閉或者其他臨時措施造成的網(wǎng)頁無法訪問，一般來說，蜘蛛還會繼續(xù)抓取幾次。如果網(wǎng)站恢復(fù)正常，URL仍然被當(dāng)作正常URL處理，如果服務(wù)器一直處于不可訪問狀態(tài)，那么搜索引擎就會將這些URL徹底從庫中刪除，這就要求我們必須維護網(wǎng)站的穩(wěn)定性，盡量避免臨時關(guān)閉的情況發(fā)生。返回碼403是禁止訪問狀態(tài)，一般來說，如同503一樣， 如被多次訪問仍處于禁止訪問狀態(tài)，就會被搜索引擎從庫里面刪除。
 
        在返回碼中，有一類需要格外注意，就是301。301代表永久性移除，當(dāng)前URL被永久性重定向到另外的URL。一般來說，因為改版等原因，部分URL需要永久被替換為新的URL，就必須使用返回碼301進行處理，這樣能把權(quán)重等一 并帶過去，避免網(wǎng)站的流量損失。

        返回碼301的優(yōu)化寫法如下。

        (1)創(chuàng)建一個htaccess.txt文件。

        (2)在htaccess.txt里寫好返回碼301的跳轉(zhuǎn)信息。

        假設(shè)舊的URL為abc.com，需要重定向到www.abc.com，需在文件里寫如下信息。

        RewriteEngine on

        RewriteCond %{http_ host} ^abc.com [NC]

        RewriteRule ^(.*)$ http://www.abc.com/$1 [L, R=301]

        (3)將htaccess.txt上傳到FTP，然后將htaccess.txt修改為.htaccess。

        需要提醒的是目前htaccess只適用于Linux系統(tǒng)，并需要虛擬主機支持，因此，在考慮.htaccess文件處理返回碼301的時候，需要查看虛擬主機是否完全支持。

        實際上，在重定向的處理上存在多種方式，簡單來說，重定向可以分為http30x重定向、meta refresh重定向和js重定向。另外，大的搜索引擎公司，比如谷歌和百度都確認支持Canonical標簽，可以通過制定一個權(quán)威頁面的方式，引導(dǎo)蜘蛛只索引一個權(quán)威頁面，從實際效果上來說，也是一種間接的重定向。在實際抓取過程中，蜘蛛會對各種重定向效果進行識別。
 
        重定向的方法有多種，但是從SEO角度來說，如果是永久跳轉(zhuǎn)的頁面，盡量采用返回碼301的跳轉(zhuǎn)方式。另外，從時間結(jié)果來看，百度對Canonical的支持并不如谷歌好，采用Canonical 未必能得到如期效果。有些網(wǎng)站通過不同的路徑進入同一頁面，可能會出現(xiàn)多個URL的情況，當(dāng)面對這種情況時，可能需要一些處理技巧。
 
        外鏈等因素對搜索的排名是有影響的，那么在抓取環(huán)節(jié)是否也有影響呢？百度在它的抓取政策上有優(yōu)先級的說明，即執(zhí)行包括“深度優(yōu)先遍歷策略、寬度優(yōu)先遍歷策略、PR 優(yōu)先策略、反鏈策略、社會化分享指導(dǎo)策略等”。同時，這也說明每個策略各有優(yōu)劣，在實際情況中往往是多種策略結(jié)合使用才能達到優(yōu)的抓取效果。從這段官方說明里面可以看到PR優(yōu)先策略、反鏈策略、社會化分享等字眼，我們可以認為，百度在實際抓取的時候，其實都考慮了這些因素，只是權(quán)重可能有所不同，因此，盡量提高網(wǎng)頁PR,增加更高質(zhì)量的外鏈，進行高質(zhì)量的社會化分享，對網(wǎng)站的SEO工作是有積極意義的。
 
        另外，針對互聯(lián)網(wǎng)存在的大量“奮版”“采集”的網(wǎng)頁情況，在抓取的過程中，蜘蛛會通過技術(shù)判斷頁面是否已經(jīng)被抓取過，并對URL不同但是實際內(nèi)容相同的頁面的URL進行歸一化處理，即視作-一個URL。也就是告訴SEO人員，不要通過大量創(chuàng)建頁面的方式來獲得更多的搜索資源，如果頁面很多，但是每個頁面的內(nèi)容重復(fù)性很高，或者僅是URL中包含無效參數(shù)來實現(xiàn)多個頁面，搜索引擎仍然把這些URL當(dāng)作-一個URL處理，即網(wǎng)站頁面不是越多越好，通過功利的方式拼湊網(wǎng)頁，大量部署長尾，但是頁面質(zhì)量堪憂，效果會適得其反。如果大量此類頁面被搜索引擎判斷為低質(zhì)量頁面，可能會影響到整站的SEO效果。
 
        蜘蛛在抓取的過程實際是依據(jù)鏈接不斷往下探索的過程，如果鏈接之間出現(xiàn)短路，蜘蛛就無法往前爬了。在真實的網(wǎng)站運營中，我們可以看到很多網(wǎng)頁實際潛藏在網(wǎng)站后端，蜘蛛是無法抓取到的，比如沒有預(yù)留入口鏈接，或者入口鏈接已經(jīng)失效等，這些無法抓取到的內(nèi)容和信息，對于蜘蛛來說就是一個個的孤島，對SEO人員來說就是沒有完全發(fā)揮內(nèi)容的引流作用。同時，因為網(wǎng)絡(luò)環(huán)境或者網(wǎng)站規(guī)范等原因也可能導(dǎo)致蜘蛛無法爬行。如何解決信息無法被抓取到的問題?幾個可行的辦法如下。
 
        ●采用搜索引擎平臺提供的開發(fā)平臺等數(shù)據(jù)上傳通道，可以針對數(shù)據(jù)進行獨立的提交。
 
        ●采用Sitemap提交方式。 大型網(wǎng)站或者結(jié)構(gòu)比較特殊的網(wǎng)站，沉淀了大量的歷史頁面，這些歷史頁面很多具有SEO的價值，但是蜘蛛無法通過正常的爬行抓取到，針對這些頁面，建立Sitemap文件并提交給百度等搜索引擎是非常必要的。
 
        蜘蛛在爬行網(wǎng)站的時候，會遵循網(wǎng)站的協(xié)議進行抓取，比如哪些網(wǎng)頁可以給搜索引擎抓取，哪些不允許搜索引擎抓取。常見的協(xié)議有HTTP協(xié)議、HTTPS協(xié)議、Robots 協(xié)議等。
 
        HTTP協(xié)議規(guī)范了客戶端和服務(wù)器端請求和應(yīng)答的標準。客戶端般是指終端用戶，服務(wù)器端指網(wǎng)站。終端用戶通過瀏覽器、蜘蛛等向服務(wù)器指定端口發(fā)送HT請求。發(fā)送HTTP請求會返回對應(yīng)的HTTP Heder信息，我們可以看到包括是否成功、服務(wù)器類型、網(wǎng)頁近更新時間等內(nèi)容。
 
         HTTPS協(xié)議是-種加密協(xié)議，一般用戶安全數(shù)據(jù)的傳輸。 HTTPS是在HTTP下增加了SSL層，這類頁面應(yīng)用比較多的是和支付相關(guān)或者內(nèi)部保密信息相關(guān)的網(wǎng)頁。蜘蛛不會自動爬行該類網(wǎng)頁。因此，從SEO角度考慮，在建站的時候，盡量對頁面的性質(zhì)進行區(qū)分，對非保密頁面進行HTTP處理，才能實現(xiàn)網(wǎng)頁的抓取和收錄