神马移动优化之Spider介绍

1. 神马Spider神马Spider是神马访问互联网,自动化抓取网页的程序。Spider抓取下网页,建立索引,使用户可通过搜索引擎搜索到互联网上的资源。2. 神马Spider的user-agent及ip地址user-agent,是http协议中的一个属性,代表了终端的身份。神马Spider的us...


1. 神马Spider


神马Spider是神马访问互联网,自动化抓取网页的程序。Spider抓取下网页,建立索引,使用户可通过搜索引擎搜索到互联网上的资源。


2. 神马Spider的user-agent及ip地址


user-agent,是http协议中的一个属性,代表了终端的身份。神马Spider的user-agent为:Yisouspider,因为历史原因此user-agent名称将会继续使用。


神马Spider的ip地址是一组ip池,会动态变,因此不在此列举。


3. 神马Spider的网站访问频率


神马会根据网站的规模、服务能力、页面质量、更新速度等因素来决定对网站的访问频率。通常质量高、网页更新快的网站神马spider访问的频率相对会高,以保证高质、时效的能够展现给用户。


4. 神马spider如何发现新网页


神马spider发现新网页的方式有多种,最典型的是在已发现的网页中分析超链关系,选取url并抓取,如此不断拓展,尽可能多的抓取到有价值的网页。另外,神马会从dns服务商处获取新网站域名,能够及时抓取到新建网站。


5. 关于robots协议


robots.txt是搜索引擎访问网站是要访问的第一个文件,以确定哪些网页是允许或禁止抓取的。神马搜索遵守互联网robots协议,如您希望完全禁止神马访问或对部分目录禁止访问,您可以通过robots.txt文件来设置内容,限定神马Spider的访问权限。


robots.txt必须放在网站根目录下,且文件名要小写。


具体的写法:


1) 完全禁止神马Spider抓?。?/p>


User-agent: Yisouspider


Disallow: /


2) 禁止神马spider抓取指定目录


User-agent: Yisouspider


Disallow: /update


Disallow: /history


禁止抓取update、history目录下网页


6. 神马Spider是否会造成带宽负担


神马Spider有规范的抓取流程,同时也会考虑网站的忙闲时段来抓取,因此不会给网站造成带宽负担。如您发现名为Yisouspider的user-agent抓取严重影响到了网站的正常访问,您可将该时段的访问日志信息反馈至zhanzhangpingtai@service.alibaba.com,神马同学会将分析结论发送给您。