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。
在百度C2C产品“百度有啊”即将上线的时候，淘宝网站曾经屏蔽百度搜索爬虫，禁止百度搜索引擎抓取淘宝网站的网页内容，淘宝官方的解释是“杜绝不良商家欺诈”。在技术层面，淘宝屏蔽百度的方法是，在网站的robots.txt文件中加上如下内容：User-agent: BaiduspiderDisallow: /但实际上这种方法并不能完全屏蔽百度的爬虫，至今在百度上输入site:taobao.com还是可以看
Sogou spider User-Agent字段是一种用于爬虫程序中的HTTP报头，它是搜狗搜索的爬虫程序使用的字符串，其格式为："Sogou web spider/版本号(语言:语言代码;平台:操作系统)"，例如："Sogou web spider/4.0(Windows NT 6.1;zh-CN)"。该字段包含了爬虫程序的名称、版本号、语言和操作系统等信息。
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。根据不同平台有不同的验证方法。linux平台：命令为host ip,如下图。搜狗spider的hostname以 *.sogou.com格式命名，非 *.sogou.com均为冒充。在windows平台或者IBM OS/2平台：命令为nslookup ip，搜狗spider的hos
sogou spider 对于同一个 IP 地址的服务器主机，只建立一个连接，抓取间隔速度控制在几秒一次。一个网页被收录后，最快也要过几天以后才会去更新。如果持续不断地抓取您的网站，请注意您的网站上的网页是否每次访问都产生新的链接。如果您认为 sogou spider 对于您的网站抓取过快，请与我们联系，最好能提供访问日志中sogou spider 访问的部分。点此投诉spider抓取过快
