Baiduspider在抓取过程中所涉及到的网络协议

  • 610 views
  • 阅读模式

刚才提到百度搜索引擎会设计复杂的抓取策略,其实搜索引擎与资源提供者之间存在相互依赖的关系,其中搜索引擎需要站长为其提供资源,否则搜索引擎就无法满足用户检索需求;而站长需要通过搜索引擎将自己的 内容推广出去获取更多的受众。spider抓取系统直接涉及互联网资源提供者的利益,为了使搜素引擎与站长能够达到双赢,在抓取过程中双方必须遵守一定的 规范,以便于双方的数据处理及对接。这种过程中遵守的规范也就是日常中我们所说的一些网络协议。

以下简单列举:
        http协议:超文本传输协议,是互联网上应用最为广泛的一种网络协议,客户端和服务器端请求和应答的标准。客户端一般情况是指终端用户,服务器端即指网 站。终端用户通过浏览器、蜘蛛等向服务器指定端口发送http请求。发送http请求会返回对应的httpheader信息,可以看到包括是否成功、服务 器类型、网页最近更新时间等内容。

https协议:实际是加密版http,一种更加安全的数据传输协议。

UA属性:UAuser-agent,是http协议中的一个属性,代表了终端的身份,向服务器端表明我是谁来干嘛,进而服务器端可以根据不同的身份来做出不同的反馈结果。

robots协议:robots.txt是搜索引擎访问一个网站时要访问的第一个文件,用以来确定哪些是被允许抓取的哪些是被禁止抓取的。 robots.txt必须放在网站根目录下,且文件名要小写。详细的robots.txt写法可参考 http://www.robotstxt.org 。百度严格按照robots协议执行,另外,同样支持网页内容中添加的名为robotsmeta 签,indexfollownofollow等指令。

weinxin
我的微信
这是我的微信扫一扫
年轻的老刘
  • 本文由 发表于 2014年12月24日 09:41:25
  • 转载请务必保留本文链接:http://www.uhua0318.com/zhizhuxieyi.html
SEO优化

衡水网站优化接单_10年以上操作经验

本博主2007年开始从事互联网相关工作,拥有丰富的网站建设、网站优化(SEO),网络推广、网站运营、团队管理经验。 擅长中小企业的互联网推广方案的制定,企业网站诊断,网站运营,产品设计,用户体验提升等...
网络推广

传统行业网络推广现状及趋势分析!

最近跟几个橡胶、丝网企业老总坐了坐,探讨了下企业在疫情过后,传统生产制造业互联网发展方向。 我总结了几个老板比较关注的问题: 1、招人难---太难了 别说网络推广技术人员,就算普通的网络销售都特别难招...
B2B网站运营

B2B平台信息发布技巧培训

免费信息(B2B)平台能给企业带来多少效益? 对于竞争大的行业,B2B平台还有做下去的必要吗? 如何利用好免费信息平台? 如何让员工发布的信息排名首页? 如何让首页的信息持久展示? B2B平台信息发布...
网络推广

未来互联网运营发展的4大趋势

随着互联网的深入发展,度过了几个重要的阶段,从早期的技术驱动型过渡到后来的产品驱动再逐渐的朝着运营驱动的方向发展。为什么运营在互联网的运营过程中扮演着越来越重要的作用?因为早期互联网的发展主要是信息互...

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定