站點反應:
網站主體內容都是js生成,針對用戶拜訪,沒有做優化;可是網站特針對爬蟲抓取做了優化,且將圖片也直接做了base64轉化;但是優化后發現內容卻不被百度錄入
頁面質量很好,還特意針對爬蟲做了優化,為什么內容反而不錄入了呢?
工程師剖析:
1、網站針對爬蟲爬取做的優化,直接將圖片二進制內容放到了html中導致頁面長度過長,網站頁面長度達164k;
2、 站點優化后將主體內容放于終究,圖片卻放于前面;
3、爬蟲抓取內容后,頁面內容過長被切斷,已抓取部分無法識別到主體內容,終究導致頁面被認定為空短而不錄入。
工程師主張:
1、不主張站點使用js生成主體內容,如js烘托犯錯,很可能導致頁面內容讀取過錯,頁面無法抓取
2、 如站點針對爬蟲爬取做優化,主張頁面長度在128k之內,不要過長
3、針對爬蟲爬取做優化,請將主題內容放于前方,避免抓取切斷形成的內容抓取不全