搜索引擎蜘蛛对独立网站页面的爬行规律

　　当网站有蜘蛛访问时，你的网站页面有可能被收录，百度蜘蛛会抓取我们网站的html代码，然后将数据拆分成标题、摘要、页眉、正文等结构化数据。带回百度的服务器，过滤后放入数据库，然后在网站页面分享百度蜘蛛的抓取规则。【网站优化】

　　目前网站数以百亿计算，每个页面都有快照备份是不现实的，所以百度蜘蛛会优胜劣汰，就像有探路、有主力、有功能的开拓者一样。事实上，高权重和低权重没有区别。

　　百度蜘蛛在网站内页的爬行规律;

　　百度蜘蛛主要由两种蜘蛛组成，即收录蜘蛛和快照蜘蛛。通常，123IP从包含的蜘蛛开始，220IP从快照蜘蛛开始。通过这两种蜘蛛的日志访问量，我们基本可以确定这个网站在百度看来是否是优质网站。

　　1.有优质内容的页面：新文章发表后，通常是123开头的蜘蛛先走，然后220开头的蜘蛛再回去，然后快照会在同一天或者每1-2天更新一次。

　　2.404页面的抓取规则：当网站删除几个收录页面，访问变成404时，123开头的蜘蛛抓取时，一般会发现百度蜘蛛两次404后都不会来。

　　3.文章内容差页：如果是文章生成器生成的拼凑文章，排版凌乱不可读，123开头的蜘蛛来过一次就再也没有来过。

　　那么百度蜘蛛爬行的真正逻辑应该是：123年初，蜘蛛为了减少不必要的服务器资源浪费，对网页内容进行收费和筛选;200开始的蜘蛛通常在123只蜘蛛被筛选后进入。如果网页的内容真的很劣质，220开头的蜘蛛是不会访问的。对于已经包含快照的页面，直接访问从220开始。

　　最终结论如下：

　　1.IP开头的123指的是包含蜘蛛。所谓收录蜘蛛，是指百度蜘蛛访问后，百度后端会通过反作弊处理、原创性检测等一系列判断手段，决定是否可以收录，是否可以拖百度快照蜘蛛访问。

　　2.220开头的IP是快照蜘蛛。当快速包含蜘蛛检测到网页已经通过包含标准时，快照蜘蛛生成结构化数据并进入倒排索引。此时，网页在被用户搜索之前有一个快照。

　　因此，在每次快照更新之前，包含蜘蛛和快照蜘蛛都会访问，并且包含蜘蛛和快照蜘蛛之间的访问比率一般不超过2，333，601。如果收录蜘蛛的数量远远大于快照蜘蛛，说明网页的内容不够。