搜索引擎蜘蛛抓取配額是什么？

　　什么是搜索引擎蜘蛛抓取份額？顧名思義，抓取份額是搜索引擎蜘蛛花在一個網(wǎng)站上的抓取頁面的總的時間上限。對于特定網(wǎng)站，搜索引擎蜘蛛花在這個網(wǎng)站上的總時間是相對固定的，不會無限制地抓取網(wǎng)站所有頁面。

　　抓取份額的英文Google用的是crawl budget，直譯是爬行預(yù)算，我覺得不太能說明是什么意思，所以用抓取份額表達(dá)這個概念。

　　抓取份額是由什么決定的呢？這牽扯到抓取需求和抓取速度限制。

　　抓取需求

　　抓取需求，crawl demand，指的是搜索引擎“想”抓取特定網(wǎng)站多少頁面。

　　決定抓取需求的主要有兩個因素。一是頁面權(quán)重，網(wǎng)站上有多少頁面達(dá)到了基本頁面權(quán)重，搜索引擎就想抓取多少頁面。二是索引庫里頁面是否太久沒更新了。說到底還是頁面權(quán)重，權(quán)重高的頁面就不會太久不更新。

　　頁面權(quán)重和網(wǎng)站權(quán)重又是息息相關(guān)的，提高網(wǎng)站權(quán)重，就能使搜索引擎愿意多抓取頁面。

　　抓取速度限制

　　搜索引擎蜘蛛不會為了抓取更多頁面，把人家網(wǎng)站服務(wù)器拖垮，所以對某個網(wǎng)站都會設(shè)定一個抓取速度的上限，crawl rate limit，也就是服務(wù)器能承受的上限，在這個速度限制內(nèi)，蜘蛛抓取不會拖慢服務(wù)器、影響用戶訪問。

　　服務(wù)器反應(yīng)速度夠快，這個速度限制就上調(diào)一點(diǎn)，抓取加快，服務(wù)器反應(yīng)速度下降，速度限制跟著下降，抓取減慢，甚至停止抓取。

　　所以，抓取速度限制是搜索引擎“能”抓取的頁面數(shù)。

　　抓取份額是由什么決定的？

　　抓取份額是考慮抓取需求和抓取速度限制兩者之后的結(jié)果，也就是搜索引擎“想”抓，同時又“能”抓的頁面數(shù)。

　　網(wǎng)站權(quán)重高，頁面內(nèi)容質(zhì)量高，頁面夠多，服務(wù)器速度夠快，抓取份額就大。

　　小網(wǎng)站沒必要擔(dān)心抓取份額

　　小網(wǎng)站頁面數(shù)少，即使網(wǎng)站權(quán)重再低，服務(wù)器再慢，每天搜索引擎蜘蛛抓取的再少，通常至少也能抓個幾百頁，十幾天怎么也全站抓取一遍了，所以幾千個頁面的網(wǎng)站根本不用擔(dān)心抓取份額的事。數(shù)萬個頁面的網(wǎng)站一般也不是什么大事。每天幾百個訪問要是能拖慢服務(wù)器，SEO就不是主要需要考慮的事了。

　　大中型網(wǎng)站經(jīng)常需要考慮抓取份額

　　幾十萬頁以上的大中型網(wǎng)站，可能要考慮抓取份額夠不夠的問題。

　　抓取份額不夠，比如網(wǎng)站有1千萬頁面，搜索引擎每天只能抓幾萬個頁面，那么把網(wǎng)站抓一遍可能需要幾個月，甚至一年，也可能意味著一些重要頁面沒辦法被抓取，所以也就沒排名，或者重要頁面不能及時被更新。

　　要想網(wǎng)站頁面被及時、充分抓取，首先要保證服務(wù)器夠快，頁面夠小。如果網(wǎng)站有海量高質(zhì)量數(shù)據(jù)，抓取份額將受限于抓取速度，提高頁面速度直接提高抓取速度限制，因而提高抓取份額。

　　百度站長平臺和Google Search Console都有抓取數(shù)據(jù)。

　　當(dāng)然，像前面說的，能抓上百萬頁是一方面，搜索引擎想不想抓是另一方面。

　　大型網(wǎng)站另一個經(jīng)常需要考慮抓取份額的原因是，不要把有限的抓取份額浪費(fèi)在無意義的頁面抓取上，導(dǎo)致應(yīng)該被抓取的重要頁面卻沒有機(jī)會被抓取。

　　浪費(fèi)抓取份額的典型頁面有：

　　大量過濾篩選頁面。這一點(diǎn)，幾年前關(guān)于無效URL爬行索引的帖子里有詳細(xì)討論。

　　站內(nèi)復(fù)制內(nèi)容

　　低質(zhì)、垃圾內(nèi)容

　　日歷之類的無限個頁面

　　上面這些頁面被大量抓取，可能用完抓取份額，該抓的頁面卻沒抓。

　　怎樣節(jié)省抓取份額？

　　當(dāng)然首先是降低頁面文件大小，提高服務(wù)器速度，優(yōu)化數(shù)據(jù)庫，降低抓取時間。

　　然后，盡量避免上面列出的浪費(fèi)抓取份額的東西。有的是內(nèi)容質(zhì)量問題，有的是網(wǎng)站結(jié)構(gòu)問題，如果是結(jié)構(gòu)問題，最簡單的辦法是robots文件禁止抓取，但多少會浪費(fèi)些頁面權(quán)重，因?yàn)闄?quán)重只進(jìn)不出。

　　某些情況下使用鏈接nofollow屬性可以節(jié)省抓取份額。小網(wǎng)站，由于抓取份額用不完，加nofollow是沒有意義的。大網(wǎng)站，nofollow是可以在一定程度上控制權(quán)重流動和分配的，精心設(shè)計(jì)的nofollow會使無意義頁面權(quán)重降低，提升重要頁面權(quán)重。搜索引擎抓取時會使用一個URL抓取列表，里面待抓URL是按頁面權(quán)重排序的，重要頁面權(quán)重提升，會先被抓取，無意義頁面權(quán)重可能低到搜索引擎不想抓取。

　　最后幾個說明：

　　鏈接加nofollow不會浪費(fèi)抓取份額。但在Google是會浪費(fèi)權(quán)重的。

　　noindex標(biāo)簽不能節(jié)省抓取份額。搜索引擎要知道頁面上有noindex標(biāo)簽，就得先抓取這個頁面，所以并不節(jié)省抓取份額。

　　canonical標(biāo)簽有時候能節(jié)省一點(diǎn)抓取份額。和noindex標(biāo)簽一樣，搜索引擎要知道頁面上有canonical標(biāo)簽，就得先抓取這個頁面，所以并不直接節(jié)省抓取份額。但有canonical標(biāo)簽的頁面被抓取頻率經(jīng)常會降低，所以會節(jié)省一點(diǎn)抓取份額。

　　抓取速度和抓取份額不是排名因素。但沒被抓取的頁面也談不上排名。