百度爬蟲在進行抓取和處理時，是根據(jù)http協(xié)議規(guī)范來設置相應的邏輯的，所以請大家也盡量參考http協(xié)議中關(guān)于返回碼的含義的定義進行設置。Baiduspider 對常用的http返回碼的處理邏輯是這樣的：
404 返回碼的含義是 “Not Found”，百度會認為網(wǎng)頁已經(jīng)失效，那么通常會從搜索結(jié)果中刪除，并且短期內(nèi) spider 再次發(fā)現(xiàn)這條 URL 也不會抓取。
503 返回碼的含義是 “Service Unavailable”，百度會認為該網(wǎng)頁臨時不可訪問，通常網(wǎng)站臨時關(guān)閉，帶寬有限等會產(chǎn)生這種情況，都建議用503。對于網(wǎng)頁返回503，百度 spider 不會把這條 URL 直接刪除，短期內(nèi)會再訪問。屆時如果網(wǎng)頁已恢復，則正常抓取；如果繼續(xù)返回503，短期內(nèi)還會反復訪問幾次。但是如果網(wǎng)頁長期返回503，那么這個 URL 仍會被百度認為是失效鏈接，從搜索結(jié)果中刪除。
403 返回碼的含義是 “Forbidden”，百度會認為網(wǎng)頁當前禁止訪問。對于這種情況，如果是新發(fā)現(xiàn)的URL，百度 spider 暫不抓取，短期內(nèi)會再次檢查；如果是百度已經(jīng)收錄的URL，當前也不會直接刪除，短期內(nèi)同樣會再訪問。屆時如果網(wǎng)頁允許訪問，則正常抓取；如果仍不允許訪問，短期內(nèi)還會反復訪問幾次。但是如果網(wǎng)頁長期返回403，百度也會認為是失效鏈接，從搜索結(jié)果中刪除。
301 返回碼的含義是 “Moved Permanently”，百度會認為網(wǎng)頁當前跳轉(zhuǎn)至新URL。當遇到站點遷移、域名更換和站點改版的情況時，推薦使用301返回碼，盡量減少改版帶來的流量損失。雖然百度spider 現(xiàn)在對301跳轉(zhuǎn)的響應周期較長，但還是推薦大家這么做。
