搜索引擎爬虫的五大抓取策略
搜索引擎爬虫抓取我们的网页，是实现SEO优化工作的第一步。如果没有抓取，网站就不会被搜索引擎收录，那也不会有排名了。所以针对每一个为SEO从业者，抓取是第一步！
实际上，大多数SEO从业者知道的搜索引擎抓取算法只有深度优先和宽度优先抓取两个策略。但实际不然，爬虫抓取的网页的策略有很多。今天我们分享比较重要且典型的5个策略。
1、爬虫的宽度优先抓取策略
宽度优先抓取策略，一个历史悠久且一直被关注的抓取策略，从搜索引擎爬虫诞生至今一直被使用的抓取策略，甚至很多新的策略也是通过这个作为基准的。
宽度优先抓取策略是通过待抓取URL列表为基准进行抓取，发现的新链接，且判断为未抓取过的基本就直接存放到待抓取URL列表的末尾，等待抓取。
如上图，我们假设爬虫的待抓取URL列表中，只有A，爬虫从A网页开始抓取，从A中提取了B、C、D网页，于是将B、C、D放入到抓取队列，再依次获得E、F、G、H、I网页并插入到待抓取的URL列表中，以此类推，周而复始。
2、爬虫的深度优先抓取策略
深度优先抓取的策略是爬虫会从待抓取列表中抓取第一个URL，然后沿着这个URL持续抓取这个页面的其他URL，直到处理完这个线路后，再从待抓取的列表中，抓取第二个，以此类推。下面给了一个图解。
A作为第一个从待抓取列表的URL，爬虫开始抓取，然后抓取到B、C、D、E、F，但B、C、D中都没有后续的链接了（这里也是会去掉已经抓取过的页面），从E中发现了H,顺着H，发现了I，然后就没有更多了。在F中发现了G，然后针对这个链接的抓取就结束了。从待抓取列表中，拿到下一个链接继续上述操作。
3、爬虫的非完全PageRank抓取策略
相信PageRank算法很多人都知道，我们SEO的大白话理解就是链接传递权重的算法。而如果应用在爬虫抓取上，是怎样的逻辑呢？首先爬虫的目的是去下载网页，与此同时爬虫不能看到所有的网页指向某一网页的链接，所以在抓取的过程中，爬虫是无法计算全部网页的pagerank的，就导致了在抓取过程中计算的pagerank不是太靠谱。
那非完全pagerank抓取策略，就是基于在爬虫不能看到所有网页指向某一网页的链接，而只能看到部分的情况，还要进行pagerank的计算结果。
它的具体策略就是对已经下载了的网页，加上待抓取的URL列表里的网页一起，形成一个汇总。在这个汇总内进行pagerank的计算。在计算完成后，待抓取的url列表里的每一个url都会得到一个pagerank值，然后按照这个值进行倒序排列。先抓取pagerank分值最高的，然后逐个抓取。
那问题来了？待抓取URL列表中，在末尾新增一个URL，就要重新计算一次吗？
实际不是这样的。搜索引擎会等到在待抓取URL列表的新增URL达到一定数量时，再进行重新抓取。这样效率会提升很多。毕竟爬虫抓取到新增的那第一个，也需要时间的。
4、爬虫的OPIC抓取策略
OPIC是online page importance computation的缩写，意思是“在线页面重要性计算”，这个是pagerank的升级版本。
它具体的策略逻辑是这样，爬虫把互联网上所有的URL都赋予一个初始的分值，且每个URL都是同等的分值。每当下载一个网页就把这个网页的分值平均分摊给这个页面内的所有链接。自然这个页面的分值就要被清空了。而对于待抓取的URL列表里（当然，刚才那个网页被清空了分值，也是因为它已经被抓取了），则根据谁的分值最高就优先抓取谁。
区别于pagerank，opic是实时计算的。这里提醒我们，如果单纯只考虑opic这个抓取策略来说。无论是这个策略还是pagerank策略都证实了一个逻辑。我们新产生的网页，被链接的次数越多，被抓取的概率就越大。
是不是值得你思考一下你的网页布局了？
5、爬虫抓取的大站优先策略
大站优先抓取，是不是就顾名思义了呢？大型网站就会有先抓取？不过这里是有两种解释的。我个人认为这两种解释爬虫都在使用。
大站优先抓取的解释1：比较贴合字面意思，爬虫会根据待抓取列表中的URL进行归类，然后判断域名对应的网站级别。例如权重越高的网站所属域名越应该优先抓取。
大站优先抓取解释2：爬虫将待抓取列表里的URL按照域名进行归类，然后计算数量。其所属域名在待抓取列表里数量最多的优先抓取。
这两个解释一个是针对网站权重高的，一个是针对每天文章发布数量高且发布很集中的。不过我们试想一下，发布那么集中且那么多篇的站点，一般也都是大站了吧？
这里让我们思考的是什么呢？
写文章的同时，应该集中一个时间点推送给搜索引擎。不能一个小时一篇，太分散。不过这个有待考证，有经历的同学可以进行一下测试。
（以上内容来自： 赵彦刚公众号 作者： 赵彦刚）
当下，伴随着互联网的发展，出现了全程媒体、全息媒体、全员媒体、全效媒体，信息无处不在、无所不及、无人不用……全媒体时代成为了大趋势！企业和市场发展必须紧跟时代，大胆运用新技术、新机制、新模式，加快融合发展步伐，实现宣传效果的最大化和最优化。媒体，作为信息的重要载体，被人们广泛应用在各个环节中。
“微信+”活动场景互动营销运营服务平台微会动在继续保持原有平台活动场景互动营销运营服务功能的基础上，顺应数字技术与媒体传播发展大趋势，在2019年伊始全面升级平台服务体系，打造实现“全媒体策略+现场微信互动+营销转化引擎”三位立体服务体系，力求实现帮助会议会展活动1-2个月、低成本用互联网信息技术快速实现流媒体数字化布局，让“线上+线下全域流量”利效性转化。
微会动平台创始人袁帅认为：“由于新媒体传播具备速度较快、覆盖面广、影响深远的特点，目前新媒体传播手段已经越来越被活动主办者接受和依赖，而随着全媒体发展的大趋势，活动本身便将成为一个巨大的媒体平台。媒体的作用虽然因‘活动’而异，但是，对于大部分的活动，媒体传播性应该可看做是构成活动本身的一个极其重要的组成元素，在品牌传播、影响力扩散、项目招商、赞助合作等方面发挥着重要作用。并且按照活动行业规定或者常规，活动前提前邀请联系，活动中接待协调，活动后回访索稿，平常维护重点合作对象关系，传统意义上的新闻媒体传播作用在日渐衰减，其价值意义主要集中在活动公信力背书一点上，活动产业发挥自身优势，构建自身的互联网、移动互联网媒体传播影响力，自建流量池，数据池已然是必然。”
时代在变，顺应趋势企业才有发展空间，微会动团队正是看到了这点，在2019年伊始结合团队过往服务行业所积累的优势和经验，全面升级平台服务体系。
在不断优化迭代升级微信现场互动与微营销引擎两大服务产品的基础上，进一步深化服务能力，助力会议会展活动项目短期、快速构建起自身的媒体平台能力，通过 “全媒体策略+现场微信互动+营销转化引擎”三位立体服务体系，帮助会议会展活动实现流媒体数字化布局，让“线上+线下全域流量”利效性转化，以数据为链条，数字化技术整合实现智慧会展O2O2O业态，实现产业的颠覆式变革和转型升级发展。
知乎专栏—
运营者：袁帅，会展业信息化、数字化领域专家，PMP项目管理师，网络营销，搜索引擎营销运营出身，数据分析师，中国电子商务职业经理人，CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师 。现任北京新荟友科技有限公司联合创始人、执行董事，新社汇平台联合创始人、微会动平台创始人兼首席营销顾问，静花缘精品系列民宿互联网线上运营，北京宏宇互动科技有限公司事业合伙人，TAS区块链溯源项目营销合伙人。O2O2O活动场景双线闭环数字化运营综合服务解决方案与活动场景数字信息化运营综合解决执行方案提出者，微会动服务共同体发起人。
文章被以下专栏收录
