影响网站收录之：合理的返回码（http状态码）

影响网站收录：合理的返回码（http状态码）

HTTP状态码（HTTP Status Code）是用以表示网页服务器HTTP响应状态的3位数字代码。它由 RFC 2616 规范定义的，并得到RFC 2518、RFC 2817、RFC 2295、RFC 2774、RFC 4918等规范扩展。

百度爬虫在进行抓取和处理时，是根据http协议规范来设置相应的逻辑的，所以请站长们也尽量参考http协议中关于返回码的含义的定义进行设置。

Baiduspider 对常用的http返回码的处理逻辑是这样的：

404 返回码的含义是 “Not Found”，百度会认为网页已经失效，那么通常会从搜索结果中删除，并且短期内 spider 再次发现这条 URL 也不会抓取。

503 返回码的含义是 “Service Unavailable”，百度会认为该网页临时不可访问，通常网站临时关闭，带宽有限等会产生这种情况。对于网页返回503，百度 spider 不会把这条 URL 直接删除，短期内会再访问。届时如果网页已恢复，则正常抓取；如果继续返回503，短期内还会反复访问几次。但是如果网页长期返回503，那么这个 URL 仍会被百度认为是失效链接，从搜索结果中删除。

403 返回码的含义是 “Forbidden”，百度会认为网页当前禁止访问。对于这种情况，如果是新发现的URL，百度 spider 暂不抓取，短期内会再次检查；如果是百度已经收录的URL，当前也不会直接删除，短期内同样会再访问。届时如果网页允许访问，则正常抓取；如果仍不允许访问，短期内还会反复访问几次。但是如果网页长期返回403，百度也会认为是失效链接，从搜索结果中删除。

301 返回码的含义是 “Moved Permanently”，百度会认为网页当前永久跳转至新URL。当遇到站点迁移、域名更换和站点改版的情况时，推荐使用301返回码，尽量减少改版带来的流量损失。虽然百度spider 现在对301跳转的响应周期较长，但是我们还是推荐大家这么做。

百度建议：

如果站点临时关闭，当网页不能打开时，不要立即返回404，建议使用503状态。503可以告知百度spider该页面临时不可访问，请过段时间再重试。

如果百度spider对您的站点抓取压力过大，请尽量不要使用404，同样建议返回503。这样百度spider会过段时间再来尝试抓取这个链接，如果那个时间站点空闲，那它就会被成功抓取了。

有一些网站希望百度只收录部分内容，例如审核后的内容，累积一段时间的新用户页等等。在这种情况，建议新发内容暂时返回403，等审核或做好处理之后，再返回正常状态的返回码。