不抓取如何會收錄，又怎么有排名?然而就這樣一個明顯的問題，卻有大量的網站將其忽略掉。在A5這里做SEO診斷服務的客戶中，其中“20%”的網站都會存在抓取錯誤，直接嚴重影響到網站的成長效果。今天這篇文章，如果你有幸看到，希望可以閱讀完今天這篇文章，并分享出去，因為真的會很有價值。

　　賀貴江：曾經診斷過一個千萬級別收錄的站點，但是索引總是被反復的剔除，又反復的收錄，企業一直找不到問題。可是當我們對網站檢查之初就發現一個怪的現象了：

　　1、錯誤的封禁

　　在百度的robots.txt的更新上，如果多次點擊“檢測并更新”就會出現時常可以更新，但是又時常無法更新的問題。如此一來：不應當被收錄的東西，在robots.txt上禁止的被收錄了，又刪除就很正常了。那么它的問題是什么呢?并非服務器負載過度，而是因為防火墻錯誤的將部分Baiduspider列入了黑名單。

　　上面這個例子是robots.txt方面的抓取錯誤，作為站長最少應該每周都檢查更新一下robots.txt是否可以正常更新。之后我們再看下“頁面抓取”方面的錯誤：

　　2、服務器異常

　　常規的服務器就不說啦，大家都知道的，北上廣的一般都不錯。不過有一些特殊服務器，想必絕大多數的站長都不知道吧?例如西部數碼的“港臺服務器”就很有趣，真的是港臺的嗎?本身機房在國內，還算什么港臺?為了逃避備案而用一個港臺的IP，數據全部在國內。

　　這樣有什么不好呢?我們會發現：站點的服務器是經過CDN的，哪怕是你上傳的一張圖片，都會顯示為“302狀態碼”，訪問速度是提升上去了，可是這樣利于SEO嗎?呵呵噠。真不知道西數做為國內大型idc服務商是如何想的，利用那些無知嗎?

　　3、獲取不到真實IP

　　規模較大的網站，一般都會使用CDN加速，但是有些站點不僅僅對“設備”使用了CDN加速，而且還對Spider使用了加速功能。最后的結果是什么呢?如果CDN節點不穩定，那么對網站spider來講，這個問題將是致命的。

　　很多大型站點開放CDN的原因就是容易被攻擊，這個時候如果不做“蜘蛛回源”就可想而知了。你的站點做了CDN了嗎?請登錄百度站長平臺查看一下spider是否可以抓取真實IP地址吧!

　　4、頻繁的50X類錯誤

　　這樣的鏈接其中一個共同的特點是：當打開后，全部都是正常的，那么Spider為什么會報錯提醒呢?只是因為在爬蟲發起抓取的那一刻，httpcode返回了5XX"，你的站點是否頻繁有這樣的問題呢?有的話需要立即安排技術，或者通報IDC服務商做解決了!

　　5、錯誤的抓取比例

　　任何網站都做不到100%不出問題，但是萬事有一個度：我們認為，這個比例不超過5%，對網站基本上是無影響的，且這樣的錯誤不應當每天都出現。最常見的抓取錯誤一般都是連接超時："抓取請求連接建立后，下載頁面速度過慢，導致超時，可能原因服務器過載，帶寬不足"這種情況：

　　A：盡量在不影響圖片質量的情況下，對圖片進行壓縮，上傳的時候就進行了壓縮。

　　B：減少如JS腳本文件類型的使用，或者進行合并

　　C：頁面大小進行控制，尤其是一些瀏覽量、抓取量較高的頁面，不建議超過2MB。

　　D：增加網站的帶寬，提升下載速度，或者更換服務器。