影响爬虫抓取网页的因素

一、影响爬虫抓取的内部因素

1、网站速度影响爬虫访问

机房--DNS服务器--CDN--出口带宽--硬件--操作系统--服务器软件--程序

2、nofollow标签的使用控制爬虫抓取

nofollow是指不追踪此链接。nofollow去掉每个页面重复出现的链接和对SEO无价值页面，减少爬虫重复抓取每个页面内的链接，提高爬虫抓取效率，增强对重要页面的抓取。使用方法：rel="nofollow"火狐浏览器插件：Highlight NoFollowlinks 查看。

3、其他影响爬虫抓取的因素

防火墙规则、防攻击设置、防止采集设置规则：一个网站访问N次后，自动断开，爬虫被拒。

分隔硬盘：在服务器下安装多个虚拟机，硬盘转速慢，爬虫访问不到网页。

多个返回码：一个链接返回多个返回码(一会是503，一会是403等)搜索引擎是不会爬取的。

二、影响爬虫抓取的外部因素

1)外部链接

外链的作用有两个，一个是吸引爬虫来抓取，另外一个是提升排名。

相关性、流行性、广泛性(给每个网页加外链，不要全部指向首页)。如上图不仅仅给首页发外部链接，也要给栏目页面、重要的内页发布外部链接。

2)文章的原创度、更新频率、独特性。原创文章一定收录，只是时间问题。

3)权重是指搜索引擎对你网站的信任程度。权重高的网站爬虫数量多、抓取及时。权重高的网站有爬虫长期“隐忧”。

4)网站地图促进爬虫爬取，增进收录重要因素。

5)PR值是谷歌对于网站质量的衡量标准，但是PR对SEO的作用非常小，意义并不是很大。