最近收到一个非常典型的抓取优化例子，整理一下分享给各位，各位站长们谨记不要出现相同的情况：
站点反馈：
网站主体内容都是js生成，针对用户访问，没有做优化;但是网站特针对爬虫抓取做了优化，且将图片也直接做了base64转化;然而优化后发现内容却不被百度收录
页面质量很好，还特意针对爬虫做了优化，为什么内容反而不收录了呢?
工程师分析：
1、网站针对爬虫爬取做的优化，直接将图片二进制内容放到了html中导致页面长度过长，网站页面长度达164k;
2、 站点优化后将主体内容放于最后，图片却放于前面;
3、爬虫抓取内容后，页面内容过长被截断，已抓取部分无法识别到主体内容，最终导致页面被认定为空短而不收录。
工程师建议：
1、不建议站点使用js生成主体内容，如js渲染出错，很可能导致页面内容读取错误，页面无法抓取
2、 如站点针对爬虫爬取做优化，建议页面长度在128k之内，不要过长
3、针对爬虫爬取做优化，请将主题内容放于前方，避免抓取截断造成的内容抓取不全
本文来自投稿，不代表重蔚自留地立场，如若转载，请注明出处https://www.cwhello.com/38162.html
如有侵犯您的合法权益请发邮件951076433@qq.com联系删除
