蜘蛛抓取过程中涉及的网络协议有哪些?83

搜索引擎通过站长们提供资源，来满足用户的搜索需求，而站长通过搜索引擎将网站的内容传播出去，获得有效的流量和用户。

蜘蛛在抓取过程中双方都要遵守一定的规范，便于搜索引擎抓取，不要使用过多对搜索引擎不友好的元素。

蜘蛛抓取过程中涉及的网络协议有以下四种：

1、HTTP协议

HTTP是超文本传输协议，在互联网上被广泛应用的一种网络协议，客户端和服务器端请求和应答的标准。

用户通过浏览器或蜘蛛等对指定端口发起一个请求，HTTP的请求会返回对应的httpheader信息，可以直接查看到是否成功、服务器类型、网页最近更新时间等内容。

2、HTTPS协议

HTTPS的安全基础是SSL，因此加密的详细内容就需要SSL。

部署HTTPS是需要购买SSL证书上传到服务器，网站开启HTTPS：第一可以确保数据在传输过程中的安全性，第二用户可以确认网站的真实性。

3、UA属性

UA是HTTP协议中的一个属性。通过UA让服务器可以识别出用户使用的操作系统、浏览器等等，根据相应的格式进行页面的调整，为用户提供更好的浏览体验。

4、Robots协议

搜索引擎在访问一个网站时，首先会查看网站的根目录下的robots.txt文件，如果网站上不想被搜索引擎抓取的页面，可以通过设置robots.txt文件告知搜索引擎。

注意： robots.txt必须放在网站根目录下，且文件名要小写。

有关robots.txt文件的创建可以参考【robots.txt】

2022-11-14