百度收录抽查

很久没写什么东西了，简单写下，

1 百度收录的site查询是估值，灰常的估

2 最佳查询方式是进行定期抽查

3 去年年中时让邱森写了个简单的爬虫程序，用来抓取url+查询收录自动化实现，简单说下设计需求

a 指定一个url，作为开始抓取的起始点

b 指定一个必填字符串，一个选填字符串，在抓取过程中遇到url中包含上述两个字符串的，则进行记录，生成一个txt或csv文档，储存在指定位置

c 指定一个抓取和抽查的url条数，比如1000条

d 自定义百度的搜索结果页面采集规则

e 针对于抓取到的指定的url，采集百度搜索这些url结果页面，根据自定义的采集规则来判断是否收录

附上一个配置及说明

#爬取URL

SeoTool.CrawlUrl=http://www.tianya.cn/new/publicforum/articleslist.asp?pageno=2&stritem=funinfo∂=0&nextarticle=2010-10-11+9%3A38%3A41&strsubitem=&strsubitem2=

<!– 此处一般指定列表页第二页作为起始页，权值稍低，比较有参考价值–>

#爬取URL字符集

SeoTool.CrawlCharset=gbk <!– 指定页面编码–>

#包含字符串1，必填

SeoTool.CrawlKey1=funinfo/ <!– 必填字符串–>

#包含字符串2，选填

SeoTool.CrawlKey2=.shtml <!– 选填字符串–>

#爬取数量

SeoTool.CrawlCount=1000 <!– 抓取页面数量，为避免内存报错，我一般选1000–>

#TXT文件路径，以 / 结尾

SeoTool.CrawlTextPath=D:/收录抽查/ <!– 抓取的url的txt文件储存位置–>

#TXT文件名

SeoTool.CrawlTextFile=20101011娱乐八卦.txt <!– 该txt文件名称–>

#是否生成CSV文件：0，不生成；1，生成。 <!– 想要个csv也可以–>

SeoTool.CrawlCSV=1

#TXT文件路径，以 / 结尾

SeoTool.CrawlCsvPath=D:/收录抽查/ <!– 收录抽查结果也会生成txt文件，3个哦–>

#TXT文件名

SeoTool.CrawlCsvFile=a.csv <!– csv的储存位置–>

#分析使用的搜索引擎 <!– 百度搜索结果页面的采集规则，前两天百度刚改版，还没修改这个规则->

SeoTool.AnalyticSE=http://www.baidu.com/s?wd=

#分析时的开始标记

SeoTool.AnalyticStartTag=把百度设为主页

#分析时的结束标记

SeoTool.AnalyticEndTag=以下是网页中包含

#定义收录标记

SeoTool.AnalyticIncludeTag=

#定义未收录标记 <!– 采集结果有三种状态，未收录，收录，状态不明，熟悉百度搜索结果的可以不深研究了–>

SeoTool.AnalyticNoIncludeTag=抱歉

#TXT文件路径，以 / 结尾

SeoTool.AnalyticTextPath=D:/temp/analytic/

#收录的URL地址TXT文件

SeoTool.AnalyticIncludeTextFile=include.txt

#未收录的URL地址TXT文件

SeoTool.AnalyticNoIncludeTextFile=noinclude.txt

#分析出现歧义的文件

SeoTool.AnalyticAmbiguityTextFile=ambiguity.txt

收录抽查的好处有以下几点：

针对于海量数据的流量趋势判断

随时关注权值变化

随时预期长尾流量

随时关注真实收录趋势

附上天涯社区的2张百度收录变化图

天涯娱乐八卦版块百度收录变化趋势

详细数据如下

可以看到，2010年10月11日左右的收录值急剧下降，最低时平均千条帖子的收录不到50%

原因：对比该时间段内的热点事件为“小月月事件”，这是一个非常悲催的事件，天涯2010年最热门的事件非其莫属，但是，由于程序底层架构不能支持过大流量，导致天涯在全国各省市，各时间段均遇到了访问过慢，不能访问，服务器500等问题，看似火爆的流量点，带来的反而是整体pv在40%左右的下降

同理，在用户不能正常访问的同时，Baiduspider的抓取也遇到问题，最低值时导致收录数量下降40%+，由于是抓取的周数据，真实情况可能会更低，通过收录抽查能及时的发现该问题，另外，百度收录抽查可同样配合google管理员工具中的googlebot抓取来使用。

ps：但解决不解决所发现的问题，就需要看技术人员，运维人员和老板的脑力了。

原文地址：http://www.feixiaomi.com/seo/2011/583/

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有