百度抓取網(wǎng)頁判斷該頁面質(zhì)量時，會受到該頁面發(fā)布時間的影響。

　　而由于網(wǎng)站有時會面臨著更換域名，而百度不會由于某個網(wǎng)站更換域名后，在重新收錄時，就認(rèn)為所有頁面都是最新更新的。

　　所以為了避免這種不公平的判斷，百度會把頁面內(nèi)的文章發(fā)布日期作為其中一個判斷標(biāo)準(zhǔn)，去判斷該頁面的發(fā)布時間，從而生成對應(yīng)的快照時間。

　　所以，對于新站，若一次需要更新很多篇文章，又怕百度誤認(rèn)為是采集的，那么在每篇文章里，就一定要加上文章發(fā)布日期，從而“幫助”百度去“了解”該文章的發(fā)布時間。

　　百度爬到的文章時間幾乎都不一樣，百度會認(rèn)為這個網(wǎng)站只是新域名，但是是舊數(shù)據(jù)，所以就不會隨便把一次性更新的大量文章誤認(rèn)為是采集的了。

　　當(dāng)然不是絕對的，因為百度判斷頁面質(zhì)量的因素非常多，所以這個因素只是降低新站進(jìn)入沙河的概率。

　　我們來看下面這個例子：

我的這個域名是在2012年9月份注冊的。在發(fā)布文章時，文章發(fā)布時間直接填寫的這篇新聞出來的時間，百度在收錄此頁面時，便以頁面內(nèi)的發(fā)布時間做了參考依據(jù)，給出了相同時間的快照。但事實上，在2012年3月26日，這個域名還沒有注冊呢。

　　以上是新站，下面我們再來看一個老站的例子：



我的這個域名是在2012年9月份注冊的。在發(fā)布文章時，文章發(fā)布時間直接填寫的這篇新聞出來的時間，百度在收錄此頁面時，便以頁面內(nèi)的發(fā)布時間做了參考依據(jù)，給出了相同時間的快照。但事實上，在2012年3月26日，這個域名還沒有注冊呢。

以上是新站，下面我們再來看一個老站的例子：



　這篇文章是我2013年1月10日發(fā)布的。發(fā)布時我填寫的時間是2012年12月25日。百度收錄時，同樣把快照時間定成了我填寫的發(fā)布時間，而非真實發(fā)布時間。

　由此可以看出，百度爬蟲在爬網(wǎng)頁時，由于并不一定爬一次就能爬到網(wǎng)站的每個頁面上，有時會由于網(wǎng)站的用戶體驗做的不好，使得即使有文章頁鏈接，爬蟲也不會去爬。因此，百度在爬到某一個頁面時，并不會立刻認(rèn)為這篇文章就是剛剛發(fā)布的，而是會根據(jù)百度自己的算法去判斷這篇文章的發(fā)布時間。

　當(dāng)然，大部分情況，百度還是收錄的爬到的時間。但對于少數(shù)這種時間不正確的情況也是不能忽視的，因為對于采集的新站，如果用戶體驗做的好，百度有可能會認(rèn)為是一個老站更換了域名，因此同樣會給予此新站較好的收錄和排名。

最新評論