一、搜索引擎蜘蛛能不能找到网页
要让搜索引擎发现网站首页,就必须要有外部了解连到首页,找到首页后,蜘蛛沿着内部链接找到更深的内容页,所以要求网站要有良好的结构,符合逻辑,并且所有页面可以铜鼓哦爬行的普通HTML链接达到。JavaScript链接、Flash中的链接等搜索引擎蜘蛛一般不能跟踪爬行,就会造成收录问题。
网站所有页面离首页点击距离不能太远,最好在四五次点击之内。要被搜索引擎收录,页面需要有最基本的权重,良好的网站连接结构可以适当传递权重,使尽量多的页面达到收录门槛。
二、找到网页后能不能抓取页面内容
被发现的URL必须是可以被抓取的。数据库动态生成、带有过多参数的URL、Session ID、整个页面是Flash、框架结构、可疑的转向、大量复制内容等都可能使搜索引擎敬而远之。
某些文件站长可能不希望被收录,除了不链接到这些文件,更保险的方法是使用robots文件或meta robots标签禁止收录。
三、抓取页面后怎样提炼有用信息
关键词在页面重要位置的合理分布、重要标签的撰写HTML代码精简、起码的兼容性等可以帮助搜索引擎理解页面内容,提取有用信息。
只有搜索引擎能顺利找到所有页面,抓取这些页面并提取出其中真正有关性的内容,网站才可以被视为是搜索引擎友好的。