搜索引擎蜘蛛可以简单的理解为页面信息采集工具，不需要人工去采集，它会自动根据URL链接一个一个爬行过去，然后再抓取页面的信息，然后再存到服务器的列队中，为用户提供目标主题所需要的数据资源，搜索引擎蜘蛛不是所有的页面都会抓取的，主要有三个原因：一是技术上的原因。二是服务器存储方面的原因。三是提供用户搜索数据量太大，会影响效率。
所以说，搜索引擎蜘蛛一般只是抓取那些重要的网页，而在抓取的时候评价重要性主要的依据是某个网页的链接深度。我们在做网站的时候可以多做一些链接，然后让搜索引擎可以顺着各个链接爬行到你的网站，对你的网站页面进行信息采集。
来源：A5营销
为了给搜索用户更好的体验、对站点实现更好地索引和呈现，百度搜索需要访问网站的CSS、Javascript和图片信息，以便更精准地理解页面内容，实现搜索结果最优排名，百度搜索会全面启用最新UA来访问站点的上述资源。从3月24日（2017）开始，百度搜索抽取了部分优质站点进行抓取内测，可能会对站点服务器造成一定压力影响，请尽量不要对UA进行封禁，以免造成不可逆转的损失。最新UA如下：PC：Mozill
不要看所谓的IP段，IP也不是一沉不变的，过去开头有220.181的 大家都知道，但是后面百度方面在不同的城市都建立了更多的服务器，总要有IP的增加，而IP段不可能一直是固定的那几个。所以单纯的以IP段来看，是非常不严谨的。那么如何查看呢？可以使用cmd命令： nslookup IP地址 的方式来进行查看，如果返回的信息中，有百度子域名，那么说明是百度的IP，如果无法返回，或者返回了诸
Google爬行缓存代理是指一个系统或应用程序，作为一种中间层，扮演缓存服务器的角色，将已抓取的网络页面存储在缓存中，等待后续的请求。在Google上，这个代理系统用于加速用户访问网站的过程，提高网站的响应速度，并减少搜索引擎爬虫的访问量。通过这种方式，Google能够有效地降低网站的负载，并利用缓存的内容来提高用户的搜索体验。Google的爬行缓存代理充分体现了其对网络性能和用户体验的重视，也是
针对apache、iis6、iis7独立ip主机屏蔽拦截蜘蛛抓取的方法如下： 1. 在网站根目录下新建一个robots.txt文件，添加以下代码： User-agent: * Disallow: / 这样可以禁止所有蜘蛛抓取你的网站。 2. 在服务器端安装mod_security模块并配置，可以使用以下命令： sudo apt-get install libapache-mod-secu
