1、百度爬虫工作原理
抓取系统是站长服务器与百度搜索的一个桥梁，我们通常把抓取系统称之为抓取环。
举例：以首页为例，“抓取器”与“网站服务器”交互抓取首页，进行对页面进行理解，包含类型、价值的计算，此外还会把页面所有超链接提取出来，提取出来的链接叫“后链”，后链是下一轮抓取的链接集合。下一轮抓取会从上一轮的后链选择需要抓取的数据去抓取，继续和网站交互获取页面提取链接，反复不断一层一层循环构成抓取环路。
2、抓取友好性优化
URL规范
url尽可能不要复杂，新站刚开始抓，蜘蛛并不知道URL里面的内容什么样，url长短?是否规范?是不是被选出来(指抓取)非常关键的。URL核心有两点：主流和简单。不要使用中文/中文编码虽然百度能识别，蜘蛛支持256个字符，建议小于<100字符。偏长URL不占有优势。
参数以及无效参数的问题?
url尽可能不要使用无效的参数“?”“&”会让一条资源，在蜘蛛没有抓取的情况下抓取多个相同内容，不同url导致重复抓取，浪费站点的权益。希望站长尽可能不适用参数，或者精简参数，仅保留必要参数，不要使用- #等连接符
合理发现链路
蜘蛛要尽可能的抓取完整网站资源，就需要首页到每一个资源(页面)超链接关系都做好，这样蜘蛛也会省力。从首页到内容来的路径是从首页到栏目一再到这个内容，这个链路关系我就把它称为一个发现链路。
举例：feed流 和 仅有搜索首页的页面，这类站点建议增加索引页，让蜘蛛发现更多有价值的内容，索引页要按照时间历史顺序排序，新资源要实时发布到索引页上，目的是尽可能的曝光给蜘蛛，也不要做大量的泛滥的索引页。后链的URL要在页面源码中直接露出，不要引入一些动作触发。最好是使用百度资源平台的资源提交工具。
Q：资源提交是不是越多越好?
A：收录效果的核心永远是内容质量，如果大量提交低质、泛滥资源会导致被算法别识别为低质，带来惩罚性打压。
Q：为什么提交了普通收录但没有抓?
A：资源提交只能加速资源发现，不保证短时间内抓取;同时技术大大在持续优化筛选算法，让优质的资源更快得到抓取。普通收录和sitemap 的作用不是提交后立马抓取，具体什么时候抓还是依赖策略的一个计算和选取。
注：所以好多新站/低质量站点刚开始提交，看不到蜘蛛爬取。
访问友好性
抓取器和网站要进行交互，要保证服务器稳定。
访问速度优化
两个建议，第一点 加载时间，建议控制在两秒以内加载，会有一定程度的优待。第二点 避免非必要的跳转，而且多级跳转也会影响加载速度。
服务器负载稳定︰
特别在短时间内大量提交优质资源后，关注服务器稳定，真的很优质且量大的内容，蜘蛛爬取频次会很高的。
抓取频次的高低和网站收录是否有联系?
抓取频次的高低其实和网站收录的效果是没有必然联系。
抓取目的主要分成两种：第一种 抓取网站上没有抓过的页面。第二种 抓取已经抓取过的页面，看这个页面是不是有更新。
注：第二种抓取目的很多站长都会忽略了，已经收录抓取的页面，在一次抓取，应该不是为了发现新页面(猜测)，而是看页面是否“更新”内容。
问答环节
新站会不会有固定的抓取次数?
任何网站的抓取中没有一个特别固定的次数。自己建了个新站，其实很长时间百度采取抓取问题，基于这个问题，我们也做了一些相对应的优化，对于我们能识别出来新站，相比已经抓了一段时间的站，我会做一些相对应的流量倾斜的扶持。先给你一些流量，使站长能够在百度的系统里转起来，再基于你的价值判断来看，给予你流量是高还是低，是否需要去继续去提升。
注：本节公开课是五月二十一号的，今年确实有好多已备案新站，上线抓取频次很高，大概有1-2个月扶持。很多人借助百度给的扶持期，疯狂填充低质内容， 这是一个错误的操作。
如何让百度知道你是一个新建的站点?
1、在百度家平台上去做提交。 2、做ICP备案。
每个站点蜘蛛的抓取配会不会有调整?大约多久会调整一次?有没有固定时间?
有调整。对于新资源的抓取和站点的质量相关，对于旧资源的抓取和站点更新频率相关。计算出来你的站点，质量有变化，新资源抓取的频率就会发生变化。发现你的站长规模有变化，我们抓取频次会有变化。站点有很大的变动或改版，被识别出来，更新频率也会有相应变化。而整体上这些计算的，不是一个特别高的频次。大概会到一个周级的变化，才能体现出来。
注：这块说的四种可能会调整，更新变化频率是周级的。
网站将网站降权能否恢复?
网站降权恢复的前提是要针对网站的内容进行全面的自查整改，按照搜索资源平台发布的算法规范自查整改之后，要把相应的违规页面提交死链，线上进行删除之后搜索会对站点评评估。站点的内容都没有违规会进行恢复。
新站点是否有考核期?
没有一个严格的称为考核期的这么一个东西，新站点会有一定一个周期，来进行流量的倾斜，让新站在我们系统里转起来，这个周期大概是月级别的。假设新站已经给你倾斜一到两个月。发现你的价值还是不够高，可能我们就不会去特别高的处理。但是我们依旧会去抓，当发现站点质量有明显提升或优质规模有提升，也会相应去提升站点抓取频次。
注：这块是画重点，已备案，新站扶持期并非固定。
百度对于国外服务器和国内的服务器是否会有区别对待?
没有。从策略角度上来讲，没有一个特别硬性的策略来说，咱们对外网的要打压，对国内的要扶持，没有这样的一个策略的。只不过国外服务器延迟高不稳定因素多。
如果新站用一个老域名，会不会比用新域名更有优势?
这个不一定，在于老域名和新站是不是相同(相关)内容，如果在原来基础包装，起步阶段是有优势的，仅仅是起步阶段有优势。后期主要依赖内容。
老域名和新站内容领域不相符尤，非常不建议使用老域名，反而会影响价值评判，还不如做一个新站。
蜘蛛是否有权重IP之分?
没有。对于网站展现曝光依赖内容质量，结合用户行为进行评价的。
注：很多人一直都认为有蜘蛛权重ip，蜘蛛每天爬取量非常大，最常见的蜘蛛只有两段IP总共512个IP，百度这种出口IP肯定不止512组服务器，集群成千上万的服务器，这512个IP是出口IP，给后方集群服务器进行代理的IP。即使真有权重服务器，但是这个权重服务器也说不准从哪一个Ip出来，下图远端端口。
网站最近不收录有没有建议?
那要结合站点的内容，你的站点发布的内容在线上已经有大量的同质的资源，就会不会再进行抓取和展现。
