留言說(shuō)明，這位讀者并沒(méi)有太明白什么是抓取，什么是索引，index和noindex標(biāo)簽的意義又是什么。noindex標(biāo)簽不是不允許抓取該頁(yè)面，是不允許索引該頁(yè)面，這兩者是不同的意思，有不同的功能。
看SEO有關(guān)博客和論壇時(shí)能感覺(jué)到，很多SEO并沒(méi)有理解爬行、抓取、索引、收錄這些概念到底指的是什么，區(qū)別在哪，noindex、nofollow、robots文件的功能又是什么。對(duì)這些概念沒(méi)有精準(zhǔn)理解，處理大型網(wǎng)站結(jié)構(gòu)，決定什么頁(yè)面需要被抓取，什么需要被索引，哪些頁(yè)面需要禁止抓取、索引等等情況時(shí)，就很難明白該怎么做。甚至就像抓取配額那篇帖子的很多留言說(shuō)的，提到這些情況的處理時(shí)，根本看不懂在說(shuō)什么。
爬行是什么？
爬行指的是搜索引擎蜘蛛從已知頁(yè)面上解析出鏈接指向的URL，然后沿著鏈接發(fā)現(xiàn)新頁(yè)面（也就是鏈接指向的URL）的過(guò)程。當(dāng)然，蜘蛛并不是發(fā)現(xiàn)新URL馬上就爬過(guò)去抓取新頁(yè)面，而是把發(fā)現(xiàn)的URL存放到待抓地址庫(kù)中，蜘蛛按照一定順序從地址庫(kù)中提取要抓取的URL。
抓取是什么？
抓取是搜索引擎蜘蛛從待抓地址庫(kù)中提取要抓的URL，訪問(wèn)這個(gè)URL，把讀取的HTML代碼存入數(shù)據(jù)庫(kù)。蜘蛛的抓取就是像瀏覽器一樣打開這個(gè)頁(yè)面，和用戶瀏覽器訪問(wèn)一樣，也會(huì)在服務(wù)器原始日志中留下記錄。
索引是什么？
索引指的是將一個(gè)URL的信息進(jìn)行整理，存入數(shù)據(jù)庫(kù)，也就是索引庫(kù)，用戶搜索時(shí)，搜索引擎從索引庫(kù)中提取URL信息并排序展現(xiàn)出來(lái)。索引的英文是index。索引庫(kù)是用于搜索的，所以被索引的URL是可以被用戶搜索到的，沒(méi)有被索引的URL用戶在搜索結(jié)果中是看不到的。
要注意的是，所謂“一個(gè)URL的信息“，并不限于蜘蛛從URL上抓取來(lái)的內(nèi)容，還有來(lái)自其它來(lái)源的信息，如外部鏈接、鏈接的錨文字等。有的時(shí)候，索引庫(kù)中關(guān)于這個(gè)URL的的信息，根本沒(méi)有從這個(gè)URL抓取來(lái)的內(nèi)容，但搜索引擎知道這個(gè)URL的存在，并且有一些其它信息。
抓取和索引不是一回事。
收錄是什么？
我個(gè)人覺(jué)得收錄和索引沒(méi)有區(qū)別。只不過(guò)收錄是從搜索用戶角度看的，搜索時(shí)能找到這個(gè)URL，就是這個(gè)URL被收錄了。從搜索引擎角度看，URL被收錄了，也就是這個(gè)URL的信息在索引庫(kù)中存在。英文并沒(méi)有收錄這個(gè)詞，和索引用的是同一個(gè)詞index。
noindex的作用是什么？
頁(yè)面頭信息中放上meta noindex標(biāo)簽是告訴搜索引擎不要索引這個(gè)URL，也就是用戶搜索時(shí)找不到這個(gè)URL的信息，這個(gè)URL不會(huì)返回在搜索結(jié)果列表中。
noindex不是告訴搜索引擎不要抓取這個(gè)URL，實(shí)際上，noindex要起作用，這個(gè)URL是必須先被抓取的，不然搜索引擎怎么看到頁(yè)面HTML代碼中有noindex標(biāo)簽?zāi)兀?/p>
robots文件的作用是什么？
robots.txt文件是告訴搜索引擎，某些URL不要抓取。注意，這里說(shuō)的是不要抓取，沒(méi)說(shuō)不要索引。和noindex是正相反的。
nofollow的作用是什么？
給鏈接加上nofollow標(biāo)簽是告訴搜索引擎，不要沿著這個(gè)鏈接爬行，就當(dāng)這個(gè)鏈接不存在。注意，nofollow只是告訴蜘蛛不要爬這個(gè)鏈接，沒(méi)有說(shuō)不要抓取鏈接指向的URL，也沒(méi)有說(shuō)不要索引鏈接指向的URL，nofollow既沒(méi)禁止抓取，也沒(méi)禁止索引。
概念說(shuō)過(guò)后，指出幾個(gè)SEO們經(jīng)常弄不明白的情況：
沒(méi)有被抓取的頁(yè)面是可以被索引的
也就是說(shuō)，蜘蛛沒(méi)有訪問(wèn)和抓取這個(gè)頁(yè)面（比如被robots文件禁止抓取），這個(gè)頁(yè)面卻有信息存在索引庫(kù)中，用戶搜索時(shí)還能看到。
比如，淘寶整個(gè)網(wǎng)站用robots文件禁止百度蜘蛛抓取，但沒(méi)有用noindex禁止索引（如上面說(shuō)的，禁止抓取后，就沒(méi)辦法禁止索引了，不抓取，就看不到noindex標(biāo)簽了），所以即使百度沒(méi)有訪問(wèn)和抓取淘寶頁(yè)面，但淘寶很多頁(yè)面是被百度索引的，用戶可以搜到的：
百度從網(wǎng)上那么多鏈接知道淘寶首頁(yè)的存在，通過(guò)鏈接的錨文字也知道這個(gè)頁(yè)面標(biāo)題大概是淘寶之類的，當(dāng)然更知道百度口碑里的評(píng)價(jià)數(shù)。所以即使百度蜘蛛沒(méi)有抓取淘寶首頁(yè)，用戶還是能搜到，并且顯示一些百度知道的信息。
要想百度不能返回淘寶首頁(yè)該怎么辦呢？取消robots文件的禁止抓取，頁(yè)面上用noindex禁止索引。
被抓取的頁(yè)面是可以不被索引的
最常見(jiàn)的就是上面說(shuō)過(guò)的，頁(yè)面頭信息使用noindex禁止索引，頁(yè)面被抓取，讀到noindex后，不被索引，不會(huì)在搜索結(jié)果中返回。老頁(yè)面新加noindex也不是馬上刪除索引，還會(huì)保留索引一段時(shí)間，但不會(huì)返回在搜索結(jié)果中。
加了noindex的頁(yè)面上的鏈接是可以被跟蹤一段時(shí)間的，但時(shí)間長(zhǎng)了，有noindex的頁(yè)面搜索引擎可能就不再抓取和索引了，上面的鏈接也就無(wú)效了。
還有可能是因?yàn)轫?yè)面內(nèi)容是抄襲、轉(zhuǎn)載、低質(zhì)量的，搜索引擎雖然抓取了頁(yè)面，索引過(guò)程中檢測(cè)出這些內(nèi)容問(wèn)題，被丟棄，沒(méi)有被索引。所以頁(yè)面沒(méi)有被收錄，通常要先檢查原始日志，看看是否被抓取過(guò)，如果被抓取過(guò)，可能是內(nèi)容質(zhì)量問(wèn)題，如果根本沒(méi)被抓取，建議先看看網(wǎng)站結(jié)構(gòu)是否有問(wèn)題。
加了nofollow的鏈接目標(biāo)頁(yè)面可以被抓取和索引
前面說(shuō)了，nofollow既不禁止抓取，也不禁止索引。nofollow的作用是告訴蜘蛛不要跟著這個(gè)鏈接爬，就當(dāng)這個(gè)鏈接不存在，但nofollow只對(duì)這個(gè)鏈接起作用，對(duì)別的鏈接沒(méi)作用，這個(gè)鏈接加了nofollow，不意味著別的地方就沒(méi)有正常的指向這個(gè)URL的鏈接，只要?jiǎng)e的地方出現(xiàn)了沒(méi)加nofollow的鏈接，目標(biāo)URL還是會(huì)被發(fā)現(xiàn)、抓?。僭O(shè)沒(méi)被robotx文件禁止）、索引（假設(shè)沒(méi)加noindex )。
本文轉(zhuǎn)自：ZAC每天一貼
