搜索引擎Spider概述-SEO小强科技

      搜索引擎Spider也就是大家常说的爬虫、蜘蛛或机器人，是处于整个搜索引擎最上游的一个模块，只有Spider抓回的页面或URL才会被索引和参与排名。需要注意的是，只要是Spider抓到的URL,都可能参与排名，但参与排名的网页不一定就被Spider抓取到了内容，比如有些网站屏蔽搜索引擎Spider后，虽然Spider不能抓取网页内容，但是也会有一些域名级别的URL在搜索中参与了排名（例如天猫上的很多独立域名的店铺）。根据搜索引擎的类型不同，Spider也会有不同的分类。大型搜索引擎的Spider一般都会有以下需要解决的问题，也是和SEO密切相关的问题。
       首先，Spider想要抓取网页，要发现网页抓取入口，没有抓取入口也就没有办法继续工作，所以首先要给Spider一些网页入口，然后Spider顺着这些入口进行爬行抓取，这里就涉及抓取策略的问题。抓取策略的选择会影响Spider所需要的资源、Spider所抓取网页占全网网页的比例，以及Spider的工作效率。那么Spider一般会采用什么样的策略抓取网页呢？
其次网页内容ye'shi也是有时效性的，所以Spider对不同网页的抓取效率也要有一定的策略性，否则可能会使得索引库中的内容都很陈旧，或者该更新的没更新，不该更新的却浪费资源更新了，设置还会出现网页已经被删除了，但是该页面还存在于搜索结果中的情况。那么Spider一般会使用什么样的再次抓取和更新策略呢？
        再次，互联网中的网页总有一部分是没有外部链接导入的，也就是常说的『暗网』，并且这部分网页也是需要呈现给广大网民浏览的，此时Spider就要想方设法针对处于暗网中的网页进行抓取。当下百度是如何来解决这个暗网问题的呢？
       最后，大型搜索引擎的Spider不可能只有一个，为了节省资源，要保证多个Spider同时作业且抓取页面不重复；又由于各地区数据中心分配问题，搜索引擎一般不会把Spider服务器放置在同一个地区，会多地区同时作业，这两方面就涉及分布式抓取到策略问题。那么一般搜索引擎的Spider会采用什么样的分布抓取策略呢？
        后面将逐一介绍一般的Spider搜索引擎Spider在面临以上问题时采用的是什么策略，并详细地了解一下整个搜索引擎最上游的Spider到底是如何工作的，以及一个优秀的Spider程序应该有哪些特点。