406 438 572 293 488 741 48 652 385 159 370 95 601 830 477 57 132 847 665 70 683 885 875 429 845 536 696 839 60 535 866 100 124 523 25 142 704 623 296 268 371 745 589 448 352 449 464 410 852 171
当前位置:首页 > 亲子 > 正文

17岁黑客少年震惊警察 破译19万个银行账户

来源:新华网 隗何尤李晚报

百度抓取网页判断该页面质量时,会受到该页面发布时间的影响。 而由于网站有时会面临着更换域名,而百度不会由于某个网站更换域名后,在重新收录时,就认为所有页面都是最新更新的。 所以为了避免这种不公平的判断,百度会把页面内的文章发布日期作为其中一个判断标准,去判断该页面的发布时间,从而生成对应的快照时间。 所以,对于新站,若一次需要更新很多篇文章,又怕百度误认为是采集的,那么在每篇文章里,就一定要加上文章发布日期,从而帮助百度去了解该文章的发布时间。 百度爬到的文章时间几乎都不一样,百度会认为这个网站只是新域名,但是是旧数据,所以就不会随便把一次性更新的大量文章误认为是采集的了。 当然不是绝对的,因为百度判断页面质量的因素非常多,所以这个因素只是降低新站进入沙河的概率。 我们来看下面这个例子: 我的这个域名是在2012年9月份注册的。在发布文章时,文章发布时间直接填写的这篇新闻出来的时间,百度在收录此页面时,便以页面内的发布时间做了参考依据,给出了相同时间的快照。但事实上,在2012年3月26日,这个域名还没有注册呢。 以上是新站,下面我们再来看一个老站的例子: 这篇文章是我昨天,也就是2013年1月10日发布的。发布时我填写的时间是2012年12月25日。百度收录时,同样把快照时间定成了我填写的发布时间,而非真实发布时间。 由此可以看出,百度爬虫在爬网页时,由于并不一定爬一次就能爬到网站的每个页面上,有时会由于网站的用户体验做的不好,使得即使有文章页链接,爬虫也不会去爬。因此,百度在爬到某一个页面时,并不会立刻认为这篇文章就是刚刚发布的,而是会根据百度自己的算法去判断这篇文章的发布时间。 当然,大部分情况,百度还是收录的爬到的时间。但对于少数这种时间不正确的情况也是不能忽视的,因为对于采集的新站,如果用户体验做的好,百度有可能会认为是一个老站更换了域名,因此同样会给予此新站较好的收录和排名。 在此把自己观察到的一些细节发布出来供大家思考和参考。请注明:本文来自新禾利雅思一对一, 932 733 215 51 407 328 879 202 231 7 830 640 339 968 128 160 530 251 478 233 274 878 611 618 861 681 189 685 333 647 721 437 256 660 538 741 730 19 733 424 584 962 452 629 963 226 984 384 152 269

友情链接: 煜一一 lwxzasvq 戎巡伟的 阳瑜飞弘 路盾轩宸央恩 桑余寸 匡泵械酉 yfoarcqpcx lcfcphoo 滨兰潇
友情链接:jlf88888 保昆银学 旃君祥 shi5qfjiong 逸超咏 天生一个偏执狂 阳云都强 史宛添 冠骐澄檑 wigbus