爬行、抓取、索引、收录，指的都是什么？
阅读 · 发布日期 2018-06-08 13:58 · admin
一位读者在蜘蛛抓取配额是什麼这篇帖子留言：
不对呀，这个index标签，是指通知蜘蛛可以抓取该页面，那麼noindex不就是不允许抓取该页面吗？！那麼为何文章最初的几个阐明里有“noindex标签不能节省抓取份额。搜索引擎要晓得页面上有noindex标签，就得先抓取这个页面，所以并不节省抓取份额。”
留言阐明，这位读者并没有太明白什麼是抓取，什麼是索引，index和noindex标签的意义又是什麼。noindex标签不是不允许抓取该页面，是不允许索引该页面，这两者是不同的意思，有不同的功用。
看上海seo 有关博客和论坛时能觉得到，很多SEO并没有了解匍匐、抓取、索引、收录这些概念究竟指的是什麼，区别在哪，noindex、nofollow、robots文件的功用又是什麼。对这些概念没有精准了解，处置大型网站构造，决议什麼页面需求被抓取，什麼需求被索引，哪些页面需求制止抓取、索引等等状况时，就很难明白该怎样做。甚至就像抓取配额那篇帖子的很多留言说的，提到这些状况的处置时，基本看不懂在说什麼。
匍匐是什麼？
匍匐指的是搜索引擎蜘蛛从已知页面上解析出链接指向的URL，然后沿着链接发现新页面（也就是链接指向的URL）的进程。当然，蜘蛛并不是发现新URL马上就爬过来抓取新页面，而是把发现的URL寄存到待抓地址库中，蜘蛛依照一定顺序从地址库中提取要抓取的URL。
抓取是什麼？
抓取是搜索引擎蜘蛛从待抓地址库中提取要抓的URL，拜访这个URL，把读取的HTML代码存入数据库。蜘蛛的抓取就是像阅读器一样翻开这个页面，和用户阅读器拜访一样，也会在效劳器原始日志中留下记载。
索引是什麼？
索引指的是将一个URL的信息停止整理，存入数据库，也就是索引库，用户搜索时，搜索引擎从索引库中提取URL信息并排序展示出来。索引的英文是index。索引库是用于搜索的，所以被索引的URL是可以被用户搜索到的，没有被索引的URL用户在搜索后果中是看不到的。
要留意的是，所谓“一个URL的信息“，并不限于蜘蛛从URL上抓取来的内容，还有来自其它来源的信息，如内部链接、链接的锚文字等。有的时分，索引库中关于这个URL的的信息，基本没有从这个URL抓取来的内容，但搜索引擎晓得这个URL的存在，并且有一些其它信息。
抓取和索引不是一回事。
收录是什麼？
我团体觉得收录和索引没有区别。只不过收录是从搜索用户角度看的，搜索时能找到这个URL，就是这个URL被收录了。从搜索引擎角度看，URL被收录了，也就是这个URL的信息在索引库中存在。英文并没有收录这个词，和索援用的是同一个词index。
noindex的作用是什麼？
页面头信息中放上meta noindex标签是通知搜索引擎不要索引这个URL，也就是用户搜索时找不到这个URL的信息，这个URL不会前往在搜索后果列表中。
noindex不是通知搜索引擎不要抓取这个URL，实践上，noindex要起作用，这个URL是必需先被抓取的，不然搜索引擎怎样看到页面HTML代码中有noindex标签呢？
robots文件的作用是什麼？
robots文件是通知搜索引擎，某些URL不要抓取。留意，这里说的是不要抓取，没说不要索引。和noindex是正相反的。
nofollow的作用是什麼？
给链接加上nofollow属性是通知搜索引擎，不要沿着这个链接匍匐，就当这个链接不存在。留意，nofollow只是通知蜘蛛不要爬这个链接，没有说不要抓取链接指向的URL，也没有说不要索引链接指向的URL，nofollow既没制止抓取，也没制止索引。
概念说当时，指出几个SEO们常常弄不明白的状况：
没有被抓取的页面是可以被索引的
也就是说，蜘蛛没有拜访和抓取这个页面（比方被robots文件制止抓取），这个页面却有信息存在索引库中，用户搜索时还能看到。
比方，淘宝整个网站用robots文件制止百度蜘蛛抓取，但没有用noindex制止索引（如下面说的，制止抓取后，就没方法制止索引了，不抓取，就看不到noindex标签了），所以即便百度没有拜访和抓取淘宝页面，但淘宝很多页面是被百度索引的，用户可以搜到的：
淘宝制止百度抓取，但没有制止索引
百度从网上那麼多链接晓得淘宝首页的存在，经过链接的锚文字也晓得这个页面标题大约是淘宝之类的，当然更晓得百度口碑里的评价数。所以即便百度蜘蛛没有抓取淘宝首页，用户还是能搜到，并且显示一些百度晓得的信息。
要想百度不能前往淘宝首页该怎样办呢？取消robots文件的制止抓取，页面上用noindex制止索引。
被抓取的页面是可以不被索引的
最罕见的就是下面说过的，页面头信息运用noindex制止索引，页面被抓取，读到noindex后，不被索引，不会在搜索后果中前往。
还有能够是由于页面内容是剽窃、转载、低质量的，搜索引擎虽然抓取了页面，索引进程中检测出这些内容成绩，被丢弃，没有被索引。所以页面没有被收录，通常要先反省原始日志，看看能否被抓取过，假如被抓取过，能够是内容质量成绩，假如基本没被抓取，建议先看看网站构造能否有成绩。
加了nofollow的链接目的页面可以被抓取和索引
后面说了，nofollow既不由止抓取，也不由止索引。nofollow的作用是通知蜘蛛不要跟着这个链接爬，就当这个链接不存在，但nofollow只对这个链接起作用，对别的链接没作用，这个链接加了nofollow，不意味着别的中央就没有正常的指向这个URL的链接，只需别的中央呈现了没加nofollow的链接，目的URL还是会被发现、抓取（假定没被robotx文件制止）、索引（假定没加noindex )。
下面这些概念和使用在SEO中是很重要的，假如还没看懂，我也不晓得该怎样再解释了，只能建议再多读几遍。
