关于404,503,403,301，各个返回码的用处？

简介：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，所以请站长们尽量参考http协议中关于返回码的含义的定义来进行设置。
百度spider对常用的http返回码的处理逻辑是这样的：
404：
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
503返回码的含义是“Service Unavailabie”，百度会认为该网页临时不可访问，通常网站临时关闭，宽带有限等会产生这种情况，对网页返回503，百度spider不会把这条url直接删除，短期内会再访问，届时如果网页已经恢复，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
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暂时不会抓取，短期内会再次检查；如果是百度已经收录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；如果扔不允许访问，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
301返回码的含义是“Moved Permanently”，百度会认为网页当前跳转至新url。当遇到站点迁移，域名更换，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去做。
总结：
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，请过段时间在重试。
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，积累一段时间的新用户页面等。在这种情况，建议新内容暂时返回403，等审核或者做好处理之后，在返回正常状态的返回码。
站点迁移，或者域名更换，请使用301返回码。

更多干货QQ：2227948465 微信公众号：hlwgh88 关注每日更新技术，咨询，自媒体运营等

QQ交流群：522073619（加群备注：互联网）

本文由 阿林 文章来源于网络如需要删除联系作者：http://www.youhonglin.com/881.html