如何避免網(wǎng)站page的頁面被重復(fù)抓取
　　觀察分析網(wǎng)站的日志，發(fā)現(xiàn)網(wǎng)站page的頁面被蜘蛛重復(fù)抓取很多，這樣子對網(wǎng)站的優(yōu)化并不是很好。那么我們要如何避免網(wǎng)站頁面被蜘蛛重復(fù)的抓取呢?重慶網(wǎng)頁建設(shè)
　　一、通過robots文件來把這個頁面來屏蔽掉，具體做法語法格式：
　　Disallow: /page/ #限制抓取Wordpress分頁如查你的網(wǎng)站有需要也可以把下面的語句一并寫上，避免出現(xiàn)過多的重復(fù)頁面。
　　* Disallow: /category/*/page/* #限制抓取分類的分頁 * Disallow:/tag/ #限制抓取標簽頁面 * Disallow: */trackback/ #限制抓取Trackback內(nèi)容
　　* Disallow:/category/* #限制抓取所有分類列表 什么是蜘蛛，也叫爬蟲，其實是一段程序。這個程序的功能是，沿著你的網(wǎng)站的URL一層層的讀取一些信息，做簡單處理后，然后返饋給后臺服務(wù)器進行集中處理。我們必需了解蜘蛛的喜好，對網(wǎng)站優(yōu)化才能做到更好。接下來我們談?wù)勚┲氲墓ぷ鬟^程。
　　二、蜘蛛遇到動態(tài)頁面
　　蜘蛛在處理**頁信息是面臨的難題。**頁，是指由程序自動生成的頁面?，F(xiàn)在互聯(lián)網(wǎng)發(fā)達程序開發(fā)腳本語言越來越多，自然開發(fā)出來的**頁類型也越來越多，如jsp、asp、php等等一些語言。蜘蛛很難處理這些腳本語言生成的網(wǎng)頁。優(yōu)化人員在優(yōu)化的時候，總是強調(diào)盡量不要采用JS代碼，蜘蛛要完善處理這些語言，需要有自己的腳本程序。在進行網(wǎng)站優(yōu)化，減少一些不必要的腳本代碼，以便蜘蛛爬行抓取，少導(dǎo)致page頁面的重復(fù)抓取!
　　三、蜘蛛的時間
　　網(wǎng)站的內(nèi)容經(jīng)常變化的，不是更新就是改模板。蜘蛛也是不斷地更新和抓取網(wǎng)頁的內(nèi)容，蜘蛛的開發(fā)者會為爬蟲設(shè)定一個更新周期，讓其按照指定的時間去掃描網(wǎng)站，查看對比出哪些頁面是需要進行更新工作的，諸如：主頁的標題是否有更改，哪些頁面是網(wǎng)站新增頁面，哪些頁面是已經(jīng)過期失效的死鏈接等等。一個功能強太的搜索引擎的更新周期是不斷優(yōu)化的，因為搜索引擎的更新周期對搜索引擎搜索的查全率有很大影響。不過如果更新周期過長，便會使搜索引擎的搜索精確性和完整性降低，會有一些新生成的網(wǎng)頁搜索不到;若更新周期太過于短，則技術(shù)實現(xiàn)難度加大，而且會對帶寬、服務(wù)器的資源造成浪費。
　　四、蜘蛛不重復(fù)抓取策略
　　網(wǎng)站的網(wǎng)頁數(shù)量非常大，蜘蛛進行抓取是一個很大的工程，網(wǎng)頁的抓取需要費非常多線路帶寬、硬件資源、時間資源等等。如果經(jīng)常對同一個網(wǎng)頁重復(fù)抓取不但會大大的降低了系統(tǒng)的效率，還造成精確度不高等問題