设计出品
扫描关注网站建设微信号

扫一扫微信二维码

百度阿拉丁解决暗网抓取

新乡云优化2019-10-25经验之谈
百度“阿拉丁”解决暗网抓取前面已经介绍过暗网,这些网页和“非暗网”网页是脱钩的,也就是说Spidei?通过普通的抓取机制永远都不可能抓取到这些页面。
用户浏览这些暗网页面一般都是通过提交条件查询或者文本框主动搜索,当然还有很多其他情况产生的暗网网页,但是普通搜索引擎的Spider考虑到很多因素是不会直接这样来操作的。
由于暗网页面的数量巨大,价值也远高于非暗网页面,所以大型搜索引擎都把对暗网的抓取当成了重要研究课题,各自也有着各自的抓取策略。这里
来介绍一下百度的“阿拉丁计划”。
百度的“阿拉丁计划”诞生的初衷就是挖掘出更多存在于暗网之中有价值的信息,让更多人从中受益。通过加入阿拉丁平台,可以指定关键词,把自己网站的内容更精准地呈献给目标用户;
可以指定展现样式,使用更丰富、更适合资源本身的样式,而不再局限于文字;指定更新频率,也就是直接告诉百度自己资源的更新频率,以保证百度搜索结果数据和实际数据的实时同步。
由于是站长自己提交资源,所以百度可以很容易地解决一部分暗网抓取问题。
这个平台对于有着独特资源的网站来说绝对是个福利,不仅使得更多使用百度搜索的网民受益,自己的网站也获得了更多的流量,重要的是非商业内容网站加入阿拉丁平台完全是免费的。
不过对于大部分无独特资源的中小站长来说,这个平台会减少自己网站的展示机会。
在一定角度上来说也是在鼓励站长发掘自己独有的内容和资源。
当然如果网站资源比较不错,也可以通过付费的方式加入到百度阿拉丁平台,不过付费阿拉丁对资源应该有特别的要求。
现在阿拉丁中的商业内容基本上都是付费的,比如房产、汽车等。
即使不能进入阿拉丁,站长自己也可以辅助百度抓取自己站内处于“暗网”中的页面。
比如商城和房产类网站,把希望百度收录的交叉查询的链接全部呈现出来(如图2?5所示),或者自己希望百度收录的页面制作成HTML和XML地图以供百度Spider抓取和收录,并且百度站长平台开通了sitemap提交功能,有比较优质资源的站长可以通过此工具提交自己网站“暗网”中的页面。百度在对暗网抓取方面比较依靠站长自己的主动配合,而没有暴力查询网站的数据库。
百度阿拉丁解决暗网抓取
图2?5安居客房源交叉查询模块
文章关键词