上周為站長(zhǎng)朋友們獻(xiàn)出了VIP大講堂上海站中關(guān)于SPIDER抓取建庫方面的QA內(nèi)容，本周繼續(xù)將解析方面的QA內(nèi)容奉上。
問：我們的頁面本身就很大，會(huì)不會(huì)解析不出來？
答：頁面本身很大倒沒問題，趕集、安居客這些量都很大，沒有問題。我剛才說的例子，你每次都follow出來新鏈接，隨機(jī)把后面的參數(shù)去掉都不影響這個(gè)網(wǎng)頁的正常訪問，這種肯定有問題的。
問：剛才說對(duì)URL的長(zhǎng)度有要求，那對(duì)每一段、就是目錄名的長(zhǎng)度有沒有要求
答：沒有要求，我們是要求url從www開始到結(jié)束，總長(zhǎng)度不超過1024個(gè)字節(jié)。
問：站內(nèi)重復(fù)內(nèi)容是怎么判斷的？文本內(nèi)容一樣結(jié)構(gòu)不一樣，算不算重復(fù)？
答：算重復(fù)
問：假設(shè)是整個(gè)頁面全是Flash，如果我把一些欄目或者最新的內(nèi)容隱藏掉，不影響美觀隱藏掉，如果用hidden屬性能不能提取出來？CSS可不可以？
答：hidden可以提出來，但如果是注釋就不會(huì)管。CSS不可以。
問：頁面大小不超過1兆，是指頁面壓縮以前還是以后。
答：指頁面壓縮以后，不要超過1兆
問：我網(wǎng)站的信息已經(jīng)過時(shí)了，但網(wǎng)頁返回的是200，會(huì)受懲罰？為什么呀？
答：用戶在搜索結(jié)果里點(diǎn)了你的結(jié)果，導(dǎo)流導(dǎo)到你的網(wǎng)站，但沒什么可看的，對(duì)用戶沒有用，百度當(dāng)然不喜歡。
問：現(xiàn)在我們很多網(wǎng)站，為了讓用戶覺得有意思，內(nèi)容沒了就放一張圖片，寫一些有意思的話，什么“工程師去哪啦”之類的，對(duì)百度友好不？
答：最好不要用，我知道站點(diǎn)是想讓百度當(dāng)內(nèi)容死鏈來識(shí)別，但內(nèi)容死鏈識(shí)別起來是有準(zhǔn)確率和召回率風(fēng)險(xiǎn)的。
問：我們團(tuán)購網(wǎng)站的確會(huì)有過期團(tuán)購的頁面，會(huì)受懲罰嗎
答：如果量特別大、點(diǎn)擊量很大的話肯定會(huì)有懲罰的。有些可以當(dāng)內(nèi)容死鏈被分析出來，如果分析不出來，會(huì)被一些其他的策略挖出來，會(huì)有這樣的問題。
問：剛才說資訊內(nèi)容頁面，上面有個(gè)發(fā)布時(shí)間好，那如果頁面上沒有時(shí)間呢？
答：那我們往往是按當(dāng)時(shí)抓取的時(shí)間來做判定。
問：評(píng)論里面時(shí)間重要嗎。
答：百度更重視主體內(nèi)容的時(shí)間，評(píng)論不算主體內(nèi)容。
問：我們是個(gè)平臺(tái)，很多產(chǎn)品其實(shí)只是一個(gè)型號(hào)變更了，其實(shí)顏色都是一模一樣的，對(duì)蜘蛛而言僅僅只是幾個(gè)字符，會(huì)被識(shí)別為重復(fù)嗎
答：如果是一個(gè)產(chǎn)品的結(jié)構(gòu)化信息的話，應(yīng)該不會(huì)被認(rèn)為是重復(fù)。如果你是簡(jiǎn)單內(nèi)容摘要的方式進(jìn)行介紹的話，可能會(huì)存在重復(fù)問題。
問：靜態(tài)URL和動(dòng)態(tài)URL區(qū)別大嗎？
答：不大，我們現(xiàn)在認(rèn)為靜態(tài)和動(dòng)態(tài)都一樣的，因?yàn)閺膗rl上面他能夠識(shí)別出來，但是抓取回來的東西不太一樣。所以現(xiàn)在認(rèn)為無論你是靜態(tài)還是動(dòng)態(tài)，我們都認(rèn)為同樣都是url來對(duì)待。
轉(zhuǎn)載請(qǐng)保留原文地址: http://onedealspecials.com/show-363.html