1. 重新编辑robots.txt文件，将网站中不需要抓取的页面和目录添加进去； 2. 如果抓取的网站带有反爬虫功能，建议可以设置User-Agent，以区分人为访问和爬虫程序进行访问； 3. 设置深度抓取，让程序对某个网页进行抓取时，只抓取它指定难度及深度的URL； 4. 不定时发起网站扫描任务，用来检查异常的URL，以及分析抓取URL的情况，同时将发现的问题处理掉； 5. 合理设置抓取速度，一般建议抓取的最高速度不宜超过网页平均加载速度的1/5，以免对网站服务器造成压力； 6. 建立黑名单，将连续多次无效抓取情况的网址纳入黑名单中，黑名单中的网址抓取程序会忽略其内容； 7. 禁止抓取某些特定格式的URL，例如`.pdf`、`.doc`等文件格式。
链接加上nofollow表示该链接不被搜索引擎考虑为对链接页面的推荐，但链接里的内容仍然会计算到当前页面的内部链接权重中，影响当前页面的页面排名。因此，即使加上nofollow，优化内部链接仍然是一个重要的 SEO 策略之一。
可能是因为网站存在未处理的URL链接或者被其他网站或者搜索引擎误解导致的，也有可能是恶意的爬虫在尝试攻击网站。为了解决这个问题，可以通过以下方式进行： 1. 对于不存在的页面，应该返回404错误页面或者301重定向到一个已有的页面； 2. 建立一个robots.txt文件来限制搜索引擎或者爬虫的访问； 3. 定期检查日志文件来发现存在攻击性的IP地址或者爬虫； 4. 部署防火墙、权限管理和加密措
？ 1. 通过robots.txt可屏蔽Google、Baidu、Bing等常见的网站搜索引擎的抓取; 2. 通过User Agent阻止未知垃圾爬虫或无流量搜索引擎，通过历史行为表明该蜘蛛具有不良意图抓取数据; 3. 通过代理服务器设置黑名单，可以限制不同来源IP的访问； 4. 通过验证码屏蔽爬虫或机器人，使搜索结果不准确、不可用; 5. 通过网络防火墙设置黑白名单，阻止一些特定的网站
网站抓取了一些不存在的目录跟页面，本站倒是一个都不抓取是怎么回事？微信 悬赏网站抓取了一些不存在的目录跟页面，本站倒是一个都不抓取是怎么回事？要如何做才能让百度来抓取本站页面，一个多页了啥都没抓取，谜一样。。。以下抓取页面都不存在，另外网站例如新闻页面生成的文章在根目录是没有的，应该是动态的，这是否导致都不抓取了呢？回答：你确定蜘蛛是真的百度蜘蛛吗？99.99%的概率是假蜘蛛，不是真的！来源：A5
