机器可读

百度通过一个叫做Baiduspider的程序抓取互联网上的网页，经过处理后建入索引中。目前Baiduspider只能读懂文本内容，flash、图片等非文本内容暂时不能处理，放置在flash、图片中的文字，百度无法识别。

建议使用文字而不是flash、图片、Javascript等来显示重要的内容或链接，搜索引擎暂时无法识别Flash、图片、Javascript中的内容，这部分内容无法搜索到；仅在flash、Javascript中包含链接指向的网页，百度可能无法收录。

建议：

• 使用文字而不是flash、图? 片、Javascript等来显示重要的内容或链接。

• 如果必须使用Flash制作网页，建议同时制作一个供搜索引擎收录的文字版，并在首页使用文本链接指向文字版。

• Ajax等搜索引擎不能识别的技术，只用在需要用户交互的地方，不把希望搜索引擎“看”到的导航及正文内容放到Ajax中。

• 不使用frame和iframe框架结构，通过iframe显示的内容可能会被百度丢弃。

网站结构

网站应该有清晰的结构和明晰的导航，这能帮助用户快速从你的网站中找到自己需要的内容，也可以帮助搜索引擎快速理解网站中每一个网页所处的结构层次。

网站结构建议采用树型结构，树型结构通常分为以下三个层次：首页——频道——文章页。象一棵大树一样，首先有一个树干（首页），然后再是树枝（频道），最后是树叶（普通内容页）。树型结构的扩展性更强，网站内容变多时，可以通过细分树枝（频道）来轻松应对。

理想的网站结构应该是更扁平一些，从首页到内容页的层次尽量少，这样搜索引擎处理起来，会更简单。

同时，网站也应该是一个网状结构，网站上每个网页都应该有指向上、下级网页以及相关内容的链接：首页有到频道页的链接，频道页有到首页和普通内容?的链接、普通内容页有到上级频道以及首页的链接、内容相关的网页间互相有链接。

网站中每一个网页，都应该是网站结构的一部分，都应该能通过其他网页链接到。

总结一下，合理的网站结构应该是一个扁平的树型网状结构。

建议：

• 确保每个页面都可以通过至少一个文本链接到达。

• 重要的内容，应该能从首页或者网站结构中比较浅的层次访问到。

• 合理分类网站上的内容，不要过度细分。

网站应该有简明、清晰的导航，可以让用户快速找到自己需要的内容，同时也可以帮助搜索引擎更好的了解网站的结构。

建议：

• 为每个页面都加上导航栏，让用户可以方便的返回频道、网站首页，也可以让搜索引擎方便的定位网页在网结构中的层次。

• 内容较多的网站，建议使用面包屑式的导航，这更容易让用户理解当前所处的位置：网站首页 > 频道 > 当前浏览页面。通过面包屑导航，用户可以很清楚的知道自己所在页面在整个网站中的位置，可以方便的返回上一级频道或者首页也很方便。

• 导航中使用文字链接，不使用复杂的js或者flash。

• 使用图片做导航时，可以使用Alt注释，用Alt告诉搜索引擎所指向的网页内容是什么。

子域名与目录的选择

选择使用子域名还是目录来合理的分配网站内容，对网站在搜索引擎中的表现会有较大的影响。

1. 在某个频道的内容没有丰富到可以当做一个独立站点存在之前，使用目录形式；等频道下积累了足够的内容，再转换成子域名的形式。

一个网页能否排到搜索结果的前面，“出身”很重要，如果出自一个站点权重较高的网站，那排到前面的可能性就越大，反之则越小。通常情况下主站点的权重是最高的，子站点会从主站点继承一部分权重，继承的多少，视子站点质量而定。

在内容没有丰富到可以做为一个独立站点之前，内容放到主站点下一个目录中能在搜索引擎中获得更好的表现。

2. 内容差异度较大、关联度不高的内容，使用子站点形式。

搜索引擎会识别站点的主题，如果站点中内容关联度不高，可能导致搜索引擎错误的识别。关联度不高的内容，放在不同的子域名下，可以帮助搜索引擎更好的理解站点的主题。

3. 域名间内容做好权限，互相分开，a. example.com下的内容，不能通过b. example.com访问。

子域名间的内容可以互相访问，可能会被搜索引擎当做重复内容而进行除重处理，保留的url不一定是正常域名下的。

4. 不要滥用子域名。

无丰富内容而滥用大量子域名，会被搜索引擎当做作弊行为而受到惩罚。

规范、简单的url

创建具有良好描述性、规范、简单的url，有利于用户更方便的记忆和判断网页的内容，也有利于搜索引擎更有效的抓取您的网站。网站设计之初，就应该有合理的url规划。

1. 网站中同一网页，只对应一个url。如果网站上多种url都能访问同样的内容，会有如下危险：

• 搜索引擎会选一种url为标准，可能会和正版不同。

• 用户可能为同一网页的不同url做推荐，多种url形式分散了该网页的权重。

如果你的网站上已经存在多种url形式，建议按以下方式处理：

• 在系统中只使用正常形式url，不让用户接触到非正常形式的url。

• 不把Session id、统计代码等不必要的内容放在url中。

• 不同形式的url，301永久跳转?正常形式。

• 防止用户输错而启用的备用域名，301永久跳转到主域名。

• 使用robots.txt禁止 Baiduspider 抓取您不想向用户展现的形式。

2. 让用户能从url判断出网页内容以及网站结构信息，并可以预测将要看到的内容。

3. URL尽量短。

长长的URL不仅不美观，用户还很难从中获取额外有用的信息。另一方面，短url还有助于减小页面体积，加快网页打开速度，提升用户体验。

4. 正常的动态url对搜索引擎没有影响。

url是动态还是静态对搜索引擎没有影响，但建议尽量?少动态url中包含的变量参数，这样即有助于减少url长度，也可以减少让搜索引擎掉入黑洞的风险。

5. 不添加不能被系统自动识别为url组成部分的字符。

改版/换域名

网站改版、换域名在互联网飞速发展的情况下是不可避免的，但处理不当，会造成重大的流量损失。

改版、换域名需要考虑的第一要点就是如何保证老用户不流失，当用户访问旧内容时，能引导用户到新网站上对应的内容，避免出现用户访问不到以前收藏的网页的情况。

我们建议在改版或者换域名时，将旧网页301永久重定向到内容对应的新网页，这样百?更容易发现这个转变，并迅速的将旧网页积累的权值传递给对应的新网页。

• 如非必要，不要做整站内容的完全更换。网站改版或者网站内重要页面链接发生变动时，应该将改版前的页面301永久重定向到改版后的对应的页面

• 网站更换域名，应该将旧域名的所有页面301永久重定向到新域名上对应的页面。网站更换域名后，维持旧域名能稳定访问尽可能长的时间，给用户多一些时间记忆新域名。

• 网站改版/更换域名后，请把新的URL/新域名下的URL，通过sitemap提交给百度，帮助百度更?发现和作出调整。

合理的返回码

百度爬虫在进行抓取和处理时，是根据http 协议规范来设置相应的逻辑的，所以请站长们也尽量参考http 协议中关于返回码的含义的定义来进行设置。

百度spider 对常用的http 返回码的处理逻辑是这样的：

1. 404

404返回码的含义是“NOT FOUND”，百度会认为网页已经失效，那么通常会从搜索结果中删除，并且短期内spider再次发现这条url也不会抓取。

2. 503

503返回码的含义是“Service Unavailable”，百度会认为该网页临时不可访问，通常网站?时关闭，带宽有限等会产生这种情况。对于网页返回503，百度spider不会把这条url直接删除，短期内会再访问。届时如果网页已恢复，则正常抓取；如果继续返回503，短期内还会反复访问几次。但是如果网页长期返回503，那么这个url仍会被百度认为是失效链接，从搜索结果中删除。

3. 403 

403返回码的含义是“Forbidden”，百度会认为网页当前禁止访问。对于这种情况，如果是新发现的url，百度spider暂不会抓取，短期内会再次检查；如果是百度已收录url，当前也不会直接删除，短期内同样会再访问。届时如果网页允许访问，则?常抓取；如果仍不允许访问，短期内还会反复访问几次。但是如果网页长期返回403，百度也会认为是失效链接，从搜索结果中删除。

4. 301

301返回码的含义是“Moved Permanently”，百度会认为网页当前跳转至新url。当遇到站点迁移，域名更换、站点改版的情况时，推荐使用301返回码，尽量减少改版带来的流量损失。虽然百度spider现在对301跳转的响应周期较长，但我们还是推荐大家这么做。

建议：

• 如果站点临时关闭，当网页不能打开时，不要立即返回404，建议使用503状态。503?以告知百度spider该页面临时不可访问，请过段时间再重试。

• 如果百度spider对您的站点抓取压力过大，请尽量不要使用404，同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接，如果那个时间站点空闲，那它就会被成功抓取了。

• 有一些网站希望百度只收录部分内容，例如审核后的内容，累积一段时间的新用户页等等。在这种情况，建议新发内容暂时返回403，等审核或做好处理之后，再返回正常状态的返回码。

• 站点迁移，或域名更换时，请使用301返回码。