搜索引擎蜘蛛可以简单的理解为页面信息采集工具，不需要人工去采集，它会自动根据URL链接一个一个爬行过去，然后再抓取页面的信息，然后再存到服务器的列队中，为用户提供目标主题所需要的数据资源，搜索引擎蜘蛛不是所有的页面都会抓取的，主要有三个原因：一是技术上的原因。二是服务器存储方面的原因。三是提供用户搜索数据量太大，会影响效率。
所以说，搜索引擎蜘蛛一般只是抓取那些重要的网页，而在抓取的时候评价重要性主要的依据是某个网页的链接深度。我们在做网站的时候可以多做一些链接，然后让搜索引擎可以顺着各个链接爬行到你的网站，对你的网站页面进行信息采集。
来源：A5营销
通过HTTP状态代码通通透透看搜索引擎怎么Crawl你的站。下面的表格是所有 HTTP 状态代码及其定义。代码指示2xx成功200正常；请求已完成。201正常；紧接 POST 命令。202正常；已接受用于处理，但处理尚未完成。203正常；部分信息 — 返回的信息只是一部分。204正常；无响应 — 已接收请求，但不存在要回送的信息。3xx重定向301已移动 — 请求的数据具有新的位置且更改是永久的。
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。
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
在VPS云主机服务器上，可以通过以下方式屏蔽拦截蜘蛛抓取： 1. Apache服务器： 在Apache配置文件（httpd.conf或apache2.conf）中添加以下代码： ``` SetEnvIfNoCase User-Agent ".*((Googlebot)|(Baiduspider)|(Yahoo! Slurp)|(bingbot)|(YandexBot)).*" bad_bot