搜索引擎收錄

1基本概述

搜索引擎收錄是搜索引擎收錄一個網(wǎng)站頁面具體的數(shù)量值，收錄的數(shù)量越多，收錄的時間越快，證明此網(wǎng)站對搜索引擎比較友好。

比較常用的搜索引擎收錄有baidu（百度）google（谷歌）yahoo（雅虎）sogou（搜狗）youdao（有道）soso（搜搜）bing(必應）。

2收錄原理

收集待索引網(wǎng)頁的url

Internet上存在的網(wǎng)頁數(shù)量***是個天文數(shù)字，每天新增的網(wǎng)頁也不計其數(shù)，搜索引擎需要首先找到要索引收錄的對象。

具體到Google而言，雖然對GoogleBot是否存在DeepBot與FreshBot的區(qū)別存在爭議——至于是否叫這么兩個名字更是眾說紛紜，當然，名字本身并不重要——至少到目前為止。

主流的看法是，在Google的robots中，的確存在著相當部分專門為真正的索引收錄頁準備“素材”的robots——在這里我們姑且仍稱之為FreshBot吧

——它們的任務便是每天不停地掃描Internet，以發(fā)現(xiàn)并維護一個龐大的url列表供DeepBot使用，換言之，當其訪問、讀取其一個網(wǎng)頁時，目的并不在于索引這個網(wǎng)頁，而是找出這個網(wǎng)頁中的所有鏈接。

——當然，這樣似乎在效率上存在矛盾，有點不太可信。不過，我們可以簡單地通過以下方式判斷：FreshBot在掃描網(wǎng)頁時不具備“排它性”。

也即是說，位于Google不同的數(shù)據(jù)中心的多個robots可能在某個很短的時間周期，比如說一天甚至一小時，訪問同一個頁面，而DeepBot在索引、緩存頁面時則不會出現(xiàn)類似的情況。

即Google會限制由某個數(shù)據(jù)中心的robots來完成這項工作的，而不會出現(xiàn)兩個數(shù)據(jù)中心同時索引網(wǎng)頁同一個版本的情況，如果這種說法沒有破綻的話，則似乎可以從服務器訪問日志中時常可以看到源自不同IP的GoogleBot在很短的時間內(nèi)多次訪問同一個網(wǎng)頁證明FreshBot的存在。

因此，有時候發(fā)現(xiàn)GoogleBot頻繁訪問網(wǎng)站也不要高興得太早，也許其根本不是在索引網(wǎng)頁而只是在掃描url。

FreshBot記錄的信息包括網(wǎng)頁的url、TimeStamp(網(wǎng)頁創(chuàng)建或更新的時間戳)，以及網(wǎng)頁的Head信息(注：這一點存在爭議，也有不少人相信FreshBot不會去讀取目標網(wǎng)頁信息的，而是將這部分工作交由DeepBot完成。

不過，筆者傾向于前一種說法，因為在FreshBot向DeepBot提交的url列表中，會將網(wǎng)站設置禁止索引、收錄的頁面排除在外，以提***率，而網(wǎng)站進行此類設置時除使用robots.txt外還有相當部分是通過mata標簽中的“noindex”實現(xiàn)的，不讀取目標網(wǎng)頁的head似乎是無法實現(xiàn)這一點的)，如果網(wǎng)頁不可訪問，比如說網(wǎng)絡中斷或服務器故障，F(xiàn)reshBot則會記下該url并擇機重試，但在該url可訪問之前，不會將其加入向DeepBot提交的url列表。

總的來說，F(xiàn)reshBot對服務器帶寬、資源的占用還是比較小的。最后，F(xiàn)reshBot對記錄信息按不同的優(yōu)先級進行分類，向DeepBot提交，根據(jù)優(yōu)先級不同，主要有以下幾種：

A：新建網(wǎng)頁;B：舊網(wǎng)頁/新的TimeStamp，即存在更新的網(wǎng)頁C：使用301/302重定向的網(wǎng)頁；D：復雜的動態(tài)url：如使用多個參數(shù)的動態(tài)url，Google可能需要附加的工作才能正確分析其內(nèi)容。

——隨著Google對***頁支持能力的提高，這一分類可能已經(jīng)取消；E：其他類型的文件，如指向PDF、DOC文件的鏈接，對這些文件的索引，也可能需要附加的工作；

F：舊網(wǎng)頁/舊的TimeStamp，即未更新的網(wǎng)頁，注意，這里的時間戳不是以Google搜索結果中顯示的日期為準，而是與Google索引數(shù)據(jù)庫中的日期比對；G：錯誤的url，即訪問時返回404回應的頁面；

優(yōu)先級按由A至G的順序排列，依次降低。需要強調(diào)的是，這里所言之優(yōu)先級是相對的，比如說同樣是新建網(wǎng)頁，根據(jù)指向其的鏈接質(zhì)量、數(shù)量的不同，優(yōu)先級也有著很大的區(qū)別，具有源自相關的網(wǎng)站鏈接的網(wǎng)頁具有較高的優(yōu)先級。

此外，這里所指的優(yōu)先級僅針對同一網(wǎng)站內(nèi)部的頁面，事實上，不同網(wǎng)站也有有著不同的優(yōu)先級，換言之，對網(wǎng)站中的網(wǎng)頁而言，即使其***di優(yōu)先級的404url，也可能比許多其他網(wǎng)站優(yōu)先級***gao的新建網(wǎng)頁更具優(yōu)勢。

網(wǎng)頁的索引與收錄

接下來才進入真正的索引與收錄網(wǎng)頁過程。從上面的介紹可以看出，F(xiàn)reshBot提交的url列表是相當龐大的，根據(jù)語言、網(wǎng)站位置等不同，對特定網(wǎng)站的索引工作將分配至不同的數(shù)據(jù)中心完成。

整個索引過程，由于龐大的數(shù)據(jù)量，可能需要幾周甚至更長時間才能完成。

正如上文所言，DeepBot會首先索引優(yōu)先級較高的網(wǎng)站/網(wǎng)頁，優(yōu)先級越高，出現(xiàn)在Google索引數(shù)據(jù)庫及至最終出現(xiàn)在Google搜索結果頁面中的速度便越快。

對新建網(wǎng)頁而言，只要進入到這個階段，即使整個索引過程沒有完成，相應的網(wǎng)頁便已具備出現(xiàn)在Google索引庫中的可能，相信許多朋友在Google中使用“site”搜索時常常看到標注為補充結果只顯示網(wǎng)頁url或只顯示網(wǎng)頁標題與url但沒有描述的頁面，此即是處于這一階段網(wǎng)頁的正常結果。

當Google真正讀取、分析、緩存了這個頁面后，其便會從補充結果中逃出而顯示正常的信息。

——當然，前提是該網(wǎng)頁具有足夠的鏈接，特別是來自網(wǎng)站的鏈接，并且，索引庫中沒有與該網(wǎng)頁內(nèi)容相同或近似的記錄(DuplicateContent過濾)。

對動態(tài)url而言，雖然如今Google宣稱在對其處理方面已不存在障礙，不過，可以觀察到的事實仍然顯示動態(tài)url出現(xiàn)在補充結果中的幾率遠大于使用靜態(tài)url的網(wǎng)頁，往往需要更多、更有價值的鏈接才能從補充結果中逸出。

而對于上文中之“F”類，即未更新的網(wǎng)頁，DeepBot會將其時間戳與Google索引數(shù)據(jù)庫中的日期比對，確認盡管可能搜索結果中相應頁面信息未來得及更新但只要索引了版本即可——考慮網(wǎng)頁多次更新、修改的情況——；至于“G”類即404url，則會查找索引庫中是否存在相應的記錄，如果有，將其刪除。

數(shù)據(jù)中心間的同步

前文我們提到過，DeepBot索引某個網(wǎng)頁時會由特定的數(shù)據(jù)中心完成，而不會出現(xiàn)多個數(shù)據(jù)中心同時讀取該網(wǎng)頁，分別獲得網(wǎng)頁最近版本的情況，這樣，在索引過程完成后，便需要一個數(shù)據(jù)同步過程，將網(wǎng)頁的版本在多個數(shù)據(jù)中心得到更新。

這就是之前的GoogleDance。不過，在BigDaddy更新后，數(shù)據(jù)中心間的同步不再象那樣集中在特定的時間段，而是以一種連續(xù)的、時效性更強的方式進行。

3影響收錄

網(wǎng)站標題

網(wǎng)站標題、描述、關鍵詞的寫法在站長們的心目中一直是很慎重的一件事情，直接關系到網(wǎng)站的排名與流量，而且這三大標簽在網(wǎng)站上線之后不能輕易修改，這就需要站長們事先做好準備，如果說事先沒有考慮好，上線之后又去修改的話百度會認為你的網(wǎng)站不穩(wěn)定，剛上線就修改關鍵標簽，有嫌疑，然后就把你的網(wǎng)站丟進沙盒，慢慢考察，此時想要百度收錄網(wǎng)站至少要等到一個月之后，而且保證這段時間每天給網(wǎng)站添加高質(zhì)量的文章。

外部鏈接

增加外部鏈接，能讓搜索引擎有效地抓取和收錄網(wǎng)頁。

外鏈方法

我們都知道了為網(wǎng)站增加外部鏈接有這么多的好處了，那么我們應該如何為網(wǎng)站增加更多、更具價值的外部鏈接呢?

下面總結幾種比較有效增加網(wǎng)站外鏈的方法：

1，自己主動性地增加鏈接;

2，交換友情鏈接，比較容易簡單的辦法;

3，提交分類目錄、網(wǎng)絡書簽，簡單未必十分有效;

4，購買文本鏈接，需要有***成本投入，且鏈接不持久;

5，組建鏈接網(wǎng)絡，建立網(wǎng)站群、博客群，投入成本高，耗時較長，后期效果明顯;

網(wǎng)站內(nèi)容

原創(chuàng)的網(wǎng)站內(nèi)容更容易被收錄，采集、復制他人信息等做法一般很難收錄。

原創(chuàng)文章的***da好處，就是可以一舉多得，可以增加網(wǎng)站被搜索引擎收錄的概率，也可提升網(wǎng)站優(yōu)化排名。

4百度特點

1.基于字詞結合的信息處理方式 巧妙解決了中文信息的理解問題，地提高了搜索的準確性和查全率。

2.支持主流的中文編碼 包括gbk(漢字內(nèi)碼擴展規(guī)范)、gb2312(簡體)、big5(繁體)，并且能夠在不同的編碼之間轉(zhuǎn)換。”

3.智能相關度算法 采用了基于內(nèi)容和基于超鏈分析相結合的方法進行相關度評價，能夠客觀分析網(wǎng)頁所包含的信息，從而***da限度保證了檢索結果相關性。

4.檢索結果更直觀 能標示豐富的網(wǎng)頁屬性(如標題、網(wǎng)址、時間、大小、編碼、摘要等)，并突出用戶的查詢串，便于用戶判斷是否閱讀原文。

5.百度搜索支持二次檢索 可在上次檢索結果中繼續(xù)檢索，逐步縮小查找范圍，直至達到***小、***準確的結果集。利于用戶更加方便地在海量信息中找到自己真正感興趣的內(nèi)容。

6.相關檢索詞智能推薦技術 在用戶第1次檢索后，會提示相關的檢索詞，幫助用戶查找更相關的結果，統(tǒng)計表明可以促進檢索量提升10-20%.

7.高性能服務器和本地化服務器 運用多線程技術、***的搜索算法、穩(wěn)定的unix平臺、和本地化的服務器，保證了***的響應速度。百度搜索引擎在中國境內(nèi)提供搜索服務，可大大縮短檢索的響應時間(一個檢索的平均響應時間小于0.5秒)

8.可以提供多種服務方式 可以在7天之內(nèi)完成網(wǎng)頁的更新，是目前更新時間***、數(shù)據(jù)量***da的中文搜索引擎。

9.檢索結果輸出類別聚合 支持內(nèi)容類聚、網(wǎng)站類聚、內(nèi)容類聚+網(wǎng)站類聚等多種方式。支持用戶選擇時間范圍，提高用戶檢索效率。

10.智能性、可擴展的搜索技術 擁有目前世界上***da的中文信息庫，為用戶提供***準確、***廣泛、***ju時效性的信息提供了堅實基礎。

11.結構、算法等的優(yōu)化 分布式結構、精心設計的優(yōu)化算法、容錯設計保證系統(tǒng)在大訪問量下的高可用性、高擴展性、高性能和高穩(wěn)定性。

12.高可配置性使得搜索服務能夠滿足不同用戶的需求。

13.***的網(wǎng)頁動態(tài)摘要顯示技術。

14.獨有百度快照。

15.支持多種高級檢索語法，使用戶查詢效率更高、結果更準。已支持“+”(and)、“-”(not)、“|”(or)、“site：”、“domain：”、“intitle：”、“inurl”，還將繼續(xù)增加其它***的搜索語法。

5優(yōu)化方法

增加外鏈并被更快收錄的方法

1.通過優(yōu)化網(wǎng)站程序推廣，也就是所謂的SEO

2.競價排名

3.多發(fā)原創(chuàng)性的文章

4.提升PR值。

5.在高質(zhì)量的網(wǎng)站發(fā)布帶有鏈接的軟文，引導搜索引擎前來光顧，進而實現(xiàn)收錄。

6.網(wǎng)站要有規(guī)律的更新，每次更新文章要不少于2篇。

7.網(wǎng)站打開速度和空間的穩(wěn)定性也是影響網(wǎng)站收錄的因素。

8.增加網(wǎng)站自身的權重，是更快收錄的根本原因。

6提高收錄

基本當搜索引擎收錄了站點之后，并且也已經(jīng)能夠看到搜索引擎收錄的數(shù)量，所希望的***是讓搜索引擎收錄更多的頁面。如果要提高搜索引擎的收錄量，大量增加網(wǎng)站內(nèi)容是其一。更多要做的是為搜索引擎的蜘蛛程序打造一個良好的網(wǎng)站結構。 想要提高站點的收錄率，可以采取以下幾個方法：

提高外鏈

外鏈是SEO的良藥，無論是提高搜索引擎排名還是提高網(wǎng)站的收錄量，特別是高質(zhì)量的外部鏈接。鏈接建設的工作，要伴隨搜索引擎優(yōu)化方案的開始至結束。

增加原創(chuàng)

原創(chuàng)性的內(nèi)容，一旦被搜索引擎收錄之后，此類的內(nèi)容頁面就不是那么容易被搜索引擎刪除。如果是重復率太高的網(wǎng)站內(nèi)容，即使是讓搜索引擎收錄之后，也很容易被搜索引擎定期清理掉。讓網(wǎng)站保持一定比例的原創(chuàng)內(nèi)容，能夠培養(yǎng)網(wǎng)站的權重以及確保搜索引擎不會收錄了又刪除這些頁面。

優(yōu)化結構

優(yōu)化網(wǎng)站內(nèi)部鏈接，良好的網(wǎng)站結構會讓蜘蛛順著鏈接，一層層的讀取網(wǎng)站的內(nèi)容。網(wǎng)站結構差的網(wǎng)站，會讓蜘蛛感覺走進了迷宮。如果你的網(wǎng)站很龐大，***hao是建立清晰的網(wǎng)站導航、的網(wǎng)站地圖等用戶體驗應用，這樣做能夠引導蜘蛛也方便網(wǎng)站的用戶。

研究蜘蛛

搜索引擎的蜘蛛程序是一只有思維、有辨別能力的蜘蛛。我們別把它當成單純的網(wǎng)站內(nèi)容搬運工，它在讀取你內(nèi)容的時候，它會對這些內(nèi)容進行價值以及其他方面的辨別。作為網(wǎng)站的管理員，要研究蜘蛛的規(guī)則、爬取規(guī)律等，與搜索引擎的蜘蛛打交道也是重要的一門學問。 對于提高網(wǎng)站的頁面收錄數(shù)量，我們要讓自己變得更加主動。換句話說，就是自己掌握主動權。與其坐等蜘蛛上門，不如引導收錄。

網(wǎng)站地圖

網(wǎng)站地圖又稱站點地圖，它就是一個頁面，上面放置了網(wǎng)站上所有頁面的鏈接。大多數(shù)人在網(wǎng)站上找不到自己所需要的信息時，可能會將網(wǎng)站地圖作為一種補救措施。搜索引擎蜘蛛非常喜歡網(wǎng)站地圖。

為什么要建立網(wǎng)站地圖呢？大多數(shù)人都知道網(wǎng)站地圖對于提高用戶體驗有好處：它們?yōu)榫W(wǎng)站訪問者指明方向，并幫助迷失的訪問者找到他們想看的頁面。對于搜索引擎優(yōu)化，網(wǎng)站地圖的好處就更多了：

1.為搜索引擎蜘蛛提供可以瀏覽整個網(wǎng)站的鏈接。

2.為搜索引擎蜘蛛提供一些鏈接，指向動態(tài)頁面或者采用其他方法比較難以到達的頁面。

3.作為一種潛在的著陸頁面，可以為搜索流量進行優(yōu)化。

4.如果訪問者試圖訪問網(wǎng)站所在域內(nèi)并不存在的URL，那么這個訪問者就會被轉(zhuǎn)到“無法找到文件”的錯誤頁面，而網(wǎng)站地圖可以作為該頁面的“準”內(nèi)容。

7新站收錄

百度不收錄新站的解決方法：

（1）***hao等網(wǎng)站的所有內(nèi)容都完工后再上傳到網(wǎng)站空間

　　（2）網(wǎng)站上傳后，到百度提交下網(wǎng)站：幾大搜索引擎的網(wǎng)站登錄入口

（3）到百度搜藏注冊3-5個賬號，然后收藏網(wǎng)址

（4）到樂收，好望角等網(wǎng)絡收藏夾收藏網(wǎng)址

（5）到百度貼吧，A5等權重高的網(wǎng)站發(fā)布鏈接誘餌（帶上自己的網(wǎng)址），引誘百度蜘蛛過來爬去

（6）第1個月每天有規(guī)律的更新2-5篇原創(chuàng)文章

（7）不要采取SEO方式優(yōu)化

基本上按照上面的操作步驟，1-30天內(nèi)都能收錄首頁。如果過了1個月，網(wǎng)址還沒有收錄，您可以嘗試把首頁的布局做個改版。