浅谈百度爬虫的HTTP状态码返回机制

研究seo的浅谈一定很了解下面这(zhe)些返回码的含义了，对于这些(xie)不是百度很熟悉的朋友也应(ying)该了解一下基(ji)本的比如200是请求成功，301重定向，爬虫404找不到等等。态码下面首先会介绍一下百度对于各个状态吗的机制处理逻辑。

百度 spider 对常用的浅谈 http 返回码的处理逻辑是这样的 ：

404返回码的含义是“NOT FOUND”，百(bai)度会认为网页已经(jing)失效，百度那(na)么通常会从搜索结果中删除，爬虫并且短期(qi)内spider再次发现这条url也不会抓取。态码

503 503返回码的机制含义是“Service Unavailable”，百度会认为该网页临时不可访问(wen)，浅谈通常网站临时关闭，百度带宽有限等(deng)会产生这种情况。爬虫对于网页返回(hui)503，态码百(bai)度spider不会把这条url直接删除，机制短期内(nei)会再访问。届时如果网页已恢复，则正常(chang)抓取；如果继续返回503，短期内还(hai)会反复访问几次。但(dan)是如果网页长期返回503，那么这个url仍会被百度认为是失效链接，从搜索结(jie)果中(zhong)删除。

403 403返回码的含义是“Forbidden”，百度会认(ren)为(wei)网页当前禁止访问。对于这种情况，如果是新发现的url，百度spider暂不 会抓取，短期内会再次检查；如果是百度已收录url，当前也不 会直接删除，短期内同样会再访问。届时如果网页允许访问， 则正常抓取；如(ru)果仍不(bu)允许访问(wen)，短期内还会反复(fu)访问几次。 但是如果网页长期返回403，百度也会认为是失效链接，从搜索结果(guo)中删除。

301 301返回(hui)码的含义是“Moved Permanently”，百度会认为 网页当前跳转至新(xin)url。当遇到站点迁移，域名(ming)更换、站点改版的情况时(shi)，推荐使用301返回码，尽量减少改版带来的流量损 失。虽然百度spider现在对301跳转的(de)响应周期较长(chang)，但我们 还是推荐大家这么做(zuo)。

如果站点临时(shi)关闭，当网页不(bu)能打开时，不要立即返回404，建议使用503状态。503可以告知百度spider该页面临时不可访问，请过段时间再重试。

如果百度spider对您的站点抓取压力过大(da)，请尽量不要使用404，同样建议返回503。这样百度spider会过段时间再来尝试抓取这(zhe)个链接，如果那个(ge)时间站点空闲，那它就会被成功抓取了。

有一些(xie)网站希望百度只收录部分内容，例如审核后的(de)内容，累积一段时(shi)间的新(xin)用户页等等。在这种情况，建议新发内容暂时返回403，等审核或做好处理(li)之后，再返回正常状态的返回码。

站点迁移，或域名更换时，请使用301返回码。