各大搜索引擎算法的改变影响网站
内容抓取无疑是中国互联网内容营销人员面临的最大威胁。尽管百度仍在测试其原创内容保护功能，但仍有一些选定的网站，他们发布了一项名为“Hurricane”的算法更新，该算法将在那些网站上获得大部分的内容。
你可能还会在百度的图片搜索结果中找到版权标签。这个标签是为了鼓励内容营销人员生成更多原创图片和图片。
百度图片搜索的版权标签
履带
为了更好地理解用户页面的外观，百度在3月份开始用页面渲染功能测试它的新蜘蛛。现在，搜索引擎在功能上有两个新的蜘蛛。
页面大小/ URL长度
百度说，你的页面大小（HTML）不应该超过128 KB。使用二进制图像数据转换为HTML的页面很容易使页面大小超过128 KB，这对试图解析页面的百度爬行器造成了问题。事实上，如果你有一个太大的页面，最好的做法是（对百度搜索引擎优化）来实现分页。另一个技巧是避免在输出中添加不必要的代码，以防它溢出页面。更多文章阅读：服务器租用cn.bluehost.com
除了页面大小，URL长度在被索引的页面中扮演着重要的角色。在Merkle，我们注意到干净的和短的网址会更快的被索引并且排名更高。推荐的URL长度是76个字符，不包括协议。因此，在采用URL约定时，您需要避免在URL中使用中文字符，因为转码将使这些URL比中文字符长得多。
404页/删除页面
今年5月，百度发布了一篇关于如何管理404页面（中文）的文章。在百度上处理404页面与谷歌或必应不同（更复杂）。以下是建议的行动方针：
如果你的网站页面已经不存在或者你需要删除，你首先要做的就是确认这些网页是百度索引的。你可以在百度上搜索网址，或者查看你的网页分析工具。
下一步是将这些url的状态代码设置为404。当然，这些url不应该在您的robots中被禁用。
现在，将这些页面编译成XML或TXT文件，并确保该文件中的每个URL都被设置为404。
提交给百度网站管理员工具。去指数化将在2-3天内生效。一旦页面不再在索引中，删除您提交的XML或TXT。
在百度网站管理员工具中提交404文件。
或者，如果你想删除一个从字符串开始的文件夹或者一组url，你可以把这个模式提交给百度网站管理员工具。此模式必须以斜线（/）或问号（？）避免廉价的域名
如果您在顶级域（TLD）上运行您的业务，例如 .top 或者 .win，你需要意识到你的网站可能会向Baudi发送垃圾邮件。
其他的垃圾邮件包括，但不限于.bid， .pw， .party 和 .science。这些领域是便宜的。因此，百度看起来很可疑。
每年3美元以下的域名
根据百度（中文）的说法，这些廉价的TLDs是指数化的低优先级。如果你坚持使用这样的域名，你必须用百度网站管理员工具来验证它，这样它就可以被认为是一个合法的网站。
百度缓存
百度第一次解释了缓存页面（被称为“百度快照”）是如何工作的（中文）。当百度抓取页面并将其添加到索引（或更新已索引的版本）时，会生成缓存页面。您的缓存页面的更新程度取决于站点的爬行频率，它的频率可能从几分钟到一个月不等（取决于站点）。
如果你阻止了百度的蜘蛛.js和.css资源，或者如果您在HTML中使用相对的URLs，快照将会看起来很奇怪并且没有格式化。如果您想要删除快照，您可以报告一个不适当的缓存页面。
报告不适当的缓存删除。
推出一个新网站
我分享的最后一个建议是，在推出新网站时，如何给百度一个惊人的第一印象。
在发布的时候，您可能只有少量页面，或者您有许多页面质量很低（短/空或重复的内容）。不幸的是，这对百度来说是一场灾难。在推出一个强大、高质量的网站时，你可以看到百度，你知道如何组织你的内容，提供可靠的信息。如果你没能给人留下良好的“第一印象”，那么百度就会在未来分配更少的资源来抓取你的网站——因此，很难赢回他们的信任。
为了解决这个问题，百度建议（中文）在UAT（用户接受测试）或邀请期期间不允许该网站。
