1、网站和页面权重。质量高，资格老的网站被认为权重比较高，这种网站上的页面被爬行的深度也会比较高，所以会更多内页被收录。
2、与首页点击距离。一般来说网站上权重最高的是首页，大部分外部链接是指向首页的，蜘蛛访问最频繁的也是首页。离首页点击距离近，页面权重越高，被蜘蛛爬行的机会也越大。
3、导入链接。无论是外部链接还是同一个网站的内部链接，要被蜘蛛抓取，就必须有导入链接进入页面，否则蜘蛛根本没有机会知道页面的存在。高质量的导入链接也经常使页面上导出链接被爬行深度增加。
4、页面更新度。蜘蛛每次爬行都会把页面数据储存起来。如果第二次爬行发现页面与第一次收录的完全一样，说明页面没有更新，蜘蛛也就没有必要经常抓取。如果页面内容经常更新，蜘蛛就会更加频繁地访问这种页面，页面上出现的新连接，也自然会被蜘蛛更块地跟踪，抓取页面。
来源：搜外网
前两天人们注意到Google Adsense蜘蛛所抓取的网页会出现在搜索结果中。Matt Cutts在他的博客里迅速的做出了回应，对这种现象做了进一步解释。简单来说，Google在完成大爸爸数据中心升级后，各种蜘蛛抓取网页的机制产生了变化。不是各个蜘蛛直接抓取网页，而是由一个爬行缓存代理crawl caching proxy抓取网页，然后不同的蜘蛛从这个缓存中获取内容，从而节省了带宽。Matt C
在网站根目录下的 robots.txt 文件可以用来告诉搜索引擎蜘蛛（包括百度蜘蛛）哪些页面可以访问，哪些页面不可访问。通过设置 robots.txt 文件，可以控制蜘蛛的爬取范围，减少不必要的流量消耗。 以下是一个提供给百度蜘蛛的 robots.txt 示例： ``` User-agent: Baiduspider Disallow: /path/to/disallowed/page.htm
1. 增加抓取频率：可以通过减少抓取的时间间隔来提高 spider 的抓取频率，但需要注意不要过度频繁抓取，否则会给网站带来过大的访问压力。 2. 使用代理 IP：使用代理 IP 可以帮助 spider 绕过网站的访问限制，提高抓取成功率。 3. 模拟人工操作：模拟人工操作可以让 spider 更像真实用户，例如浏览网页、点击链接等，可以提高抓取成功率。 4. 优化抓取路径：优化抓取路径可以
蜘蛛也称为机器人，指的是查找引擎运行的核算机程序，沿着页面上的超链接发现和匍匐更多页面，抓取页面内容，关入查找引擎数据库。 蜘蛛程序就是匍匐程序，是查找引擎的一部分，担任在互联网上定位和收这样可以呼应查找者的恳求，成功的查找引擎营销取决于爬的网页。
