搜索引擎蜘蛛爬行和抓取网站的过程步骤

　　搜索引擎蜘蛛，在搜索引擎系统中又被称之为“蜘蛛”或“机器人”，是用来爬行和访问页面的程序。那么搜索引擎蜘蛛爬行和抓取网站的过程步骤是怎么样的?【网站优化】

　　1、蜘蛛访问

　　相信大家都知道它了，蜘蛛访问任何一个网站时，都会先访问网站根目录下的robots.txt文件，如果robots.txt文件禁止搜索引擎抓取某些文件和目录，蜘蛛会遵守协议，不抓取被禁止的网址。

　　2、跟踪链接

　　为了抓取网上尽量多的页面， 搜索引擎蜘蛛跟踪页面上的链接，从一个页面爬到下一个页面，最简单的爬行策略分为两种：一种是深度优先，另一种是广度优先。

　　深度是指蜘蛛沿着发现的链接一直向前爬行，直到前面再也没有其他链接，然后返回到第一个页面，沿着另一个链接再一直往前爬行。

　　广度是指蜘蛛在一个页面上发现多个链接时，不是顺着一个链接一直向前，而是把页面上所有第一层链接都爬一遍，然后再沿着第二层页面上发现的链接爬向第三层页面。

　　3、吸引蜘蛛

　　SEO人员想要搜索引擎网站收录，就要想办法吸引蜘蛛来抓取，蜘蛛只会抓取有价值的页面，以下是五个影响因素：网站和页面权重、页面更新度、导入链接、与首页的距离、URL结构。

　　4、地址库

　　为了避免重复爬行和抓取网址，搜索引擎会建立一个地址库，记录已经被发现但还没有抓取的页面，以及已经被抓取的页面。蜘蛛在页面上发现链接后并不是马上就去访问，而是将URL存入地址库，然后统一安排抓取。

　　地址库中URL有几个来源：

　　① 人工录入的种子网站;

　　② 蜘蛛抓取页面后，从HTML中解析出新的链接URL，与地址库中的数据进行对比，如果是地址库中没有网址，就存入待访问地址库;

　　③ 站长通过接口提交进来的网址;

　　④ 站长通过XML网站地图、站长平台提交的网址;

　　5) 文件存储。搜索引擎蜘蛛抓取的数据存入原始页面数据库。

　　6) 爬行时进行复制内容检测。