众所周知，抓取网站内容，并将这些内容展示给用户是搜索引擎的主要工作，而对网站进行SEO优化就是为了方便搜索引擎在网站上的工作，为网站争取一个好的排名。今天呢，深圳网站建设的小编就和大家一同分享一些与搜索引擎抓取网站内容相关的一些事。

　　我们平时口中的蜘蛛其实就是搜索引擎抓取数据的程序。不同类型的网站，其面临的用户需求不同，则蜘蛛抓取网站内容的策略也不同。特别是如今互联网技术的发展越来越成熟，每个网站的规模都在不断的扩大，网页也在越来愈多，内容越来与丰富，这也就导致蜘蛛对所抓取的内容越来越挑剔，它只对有价值的内容情有独钟，而无价值可言的内容则是嗤之以鼻，不屑一顾。

　　一般情况下，蜘蛛抓取网站的内容要经过四个步骤，分别是抓取、筛选、索引的建立以及结果的输出。其中建立索引实际上就是指排序，即将在第二步中筛选后的页面，以关键词为单位储存于数据库中，并且进行排序，这样做的目的是在用户搜索的时候，能够直接调用这些信息。

　　并不是说，蜘蛛来到你的网站就一定会收录一些内容。如果之前蜘蛛收录了一些你的网站中的内容，这次来的时候，发现你的内容没有更新，那么蜘蛛就无东西可抓取。而且，并非网站有更新的内容，蜘蛛就一定收录。如果你的网站更新的内容是没有什么实用价值的，对用户没有什么帮助，那么蜘蛛也不会收录的。

搜索引擎是如何抓去网站内容的

互联网信息爆发式增长，如何有效的获取并利用这些信息是搜索引擎工作中的首要环节。数据抓取系统作为整个搜索系统中的上游，主要负责互联网信息的搜集、保存、更新环节，它像蜘蛛一样在网络间爬来爬去，因此通常会被叫做“spider”。例如我们常用的几家通用搜索引擎蜘蛛被叫做：Baiduspdier、Googlebot、Sogou Web Spider等。

Spider抓取系统是搜索引擎数据来源的重要保证，如果把web理解为一个有向图，那么spider的工作过程可以认为是对这个有向图的遍历。从一些重要的种子 URL开始，通过页面上的超链接关系，不断的发现新URL并抓取，尽最大可能抓取到更多的有价值网页。对于类似百度这样的大型spider系统，因为每时 每刻都存在网页被修改、删除或出现新的超链接的可能，因此，还要对spider过去抓取过的页面保持更新，维护一个URL库和页面库。

1、spider抓取系统的基本框架

如下为spider抓取系统的基本框架图，其中包括链接存储系统、链接选取系统、dns解析服务系统、抓取调度系统、网页分析系统、链接提取系统、链接分析系统、网页存储系统。

2、spider抓取过程中涉及的网络协议

搜索引擎与资源提供者之间存在相互依赖的关系，其中搜索引擎需要站长为其提供资源，否则搜索引擎就无法满足用户检索需求；而站长需要通过搜索引擎将自己的 内容推广出去获取更多的受众。spider抓取系统直接涉及互联网资源提供者的利益，为了使搜素引擎与站长能够达到双赢，在抓取过程中双方必须遵守一定的 规范，以便于双方的数据处理及对接。这种过程中遵守的规范也就是日常中我们所说的一些网络协议。以下简单列举：

http协议：超文本传输协议，是互联网上应用最为广泛的一种网络协议，客户端和服务器端请求和应答的标准。客户端一般情况是指终端用户，服务器端即指网 站。终端用户通过浏览器、蜘蛛等向服务器指定端口发送http请求。发送http请求会返回对应的httpheader信息，可以看到包括是否成功、服务 器类型、网页最近更新时间等内容。

https协议：实际是加密版http，一种更加安全的数据传输协议。

UA属性：UA即user-agent，是http协议中的一个属性，代表了终端的身份，向服务器端表明我是谁来干嘛，进而服务器端可以根据不同的身份来做出不同的反馈结果。

robots协议：robots.txt是搜索引擎访问一个网站时要访问的第一个文件，用以来确定哪些是被允许抓取的哪些是被禁止抓取的。 robots.txt必须放在网站根目录下，且文件名要小写。详细的robots.txt写法可参考 http://www.robotstxt.org。百度严格按照robots协议执行，另外，同样支持网页内容中添加的名为robots的meta标 签，index、follow、nofollow等指令。

 3、spider抓取的基本过程

spider的基本抓取过程可以理解为如下的流程图：

　　最后，小编要强调一下，在这个日新月异的互联网世界，蜘蛛的兴趣爱好也是在不断的变化的，因此这就要求各位SEOer一定要拥有敏锐的洞察力，随时了解蜘蛛的最新动态，掌握蜘蛛的最新兴趣，并做出相应的调整。

    　专业提供各类网站建设，网站营销推广，网店装修运营，平面设计服务，欢迎访问深圳五六网络官网http://www.56dns.com/ 致电：0755-29992856 或添加微信公众号“五六网络”