内容优良而独特的页面，如果您的页面内容和互联网上已存在的其他页面有高度的相似性，可能不会被 sogou spider 收录。
链接层次较浅的页面，过深的链接层次，尤其是动态网页的链接，会被丢弃而不收录。
如果是动态网页，请控制一下参数的数量和URL的长度。搜狗更偏好收录静态网页。
重定向次数越多的页面，越有可能被 sogou spider 丢弃。
百度各个产品使用不同的user-agent：产品名称对应user-agent网页搜索Baiduspider无线搜索Baiduspider图片搜索Baiduspider-image视频搜索Baiduspider-video新闻搜索Baiduspider-news百度搜藏Baiduspider-favo百度联盟Baiduspider-cpro商务搜索Baiduspider-ads来源：百度搜索资源平台
抓取策略：那些网页是我们需要去下载的，那些是无需下载的，那些网页是我们优先下载的，定义清楚之后，能节省很多无谓的爬取。更新策略：监控列表页来发现新的页面；定期check 页面是否过期等等。抽取策略：我们应该如何的从网页中抽取我们想要的内容，不仅仅包含最终的目标内容，还有下一步要抓取的url.抓取频率：我们需要合理的去下载一个网站，却又不失效率。让我对“如何和爬虫对话 ”这个课题有了一些思考，下面归
sogou spider User-Agent字段是什么？PC端UA为Sogou web spiderSogou inst spiderSogou spider无线端UA为Sogou wap spider请注意，根据标准，ua区分大小写。搜狗spider的IP有哪些？搜狗暂不对外提供搜狗spider IP列表，但您可以通过DNS反查IP的方式判断某只spider是否来自搜狗搜索引擎。根据不同平台有
您可以在网站的 robots.txt 文件中添加以下内容，来阻止 Sogou 蜘蛛抓取您的网站： User-agent: Sogou Disallow: / 这会告诉 Sogou 蜘蛛不要访问您的整个网站。如果您只想阻止蜘蛛访问特定页面或目录，可以将 Disallow: / 替换为您想要屏蔽的 URL。例如： User-agent: Sogou Disallow: /admin/ Disal
