1. 网站结构复杂和不合理：网站结构过于复杂或不合理会阻碍搜索引擎蜘蛛的爬行，导致关键页面无法被索引。 2. 缺乏关键词和优化：如果网站没有优化，或关键词使用不当或缺乏，搜索引擎无法判断网站内容的重要性，从而无法正确推荐网站给用户。 3. 网页载入时间过长：搜索引擎会优先考虑快速载入的网站。如果网站速度慢，搜索引擎会认为网站不够优秀，会影响网站的排名。 4. robots.txt 文件限制：robots.txt 文件可以阻止搜索引擎爬取特定的页面或目录，一旦设置错误，可能导致搜索引擎无法访问部分网站内容。 5. 内容质量不高：如果网站内容质量低下，无法为用户提供有价值的信息，搜索引擎会认为该网站不够有用，从而影响网站排名。
为了给搜索用户更好的体验、对站点实现更好地索引和呈现，百度搜索需要访问网站的CSS、Javascript和图片信息，以便更精准地理解页面内容，实现搜索结果最优排名，百度搜索会全面启用最新UA来访问站点的上述资源。从3月24日（2017）开始，百度搜索抽取了部分优质站点进行抓取内测，可能会对站点服务器造成一定压力影响，请尽量不要对UA进行封禁，以免造成不可逆转的损失。最新UA如下：PC：Mozill
针对apache、iis6、iis7独立ip主机屏蔽拦截蜘蛛抓取的方法如下： 1. 在网站根目录下新建一个robots.txt文件，添加以下代码： User-agent: * Disallow: / 这样可以禁止所有蜘蛛抓取你的网站。 2. 在服务器端安装mod_security模块并配置，可以使用以下命令： sudo apt-get install libapache-mod-secu
抓取策略：那些网页是我们需要去下载的，那些是无需下载的，那些网页是我们优先下载的，定义清楚之后，能节省很多无谓的爬取。更新策略：监控列表页来发现新的页面；定期check 页面是否过期等等。抽取策略：我们应该如何的从网页中抽取我们想要的内容，不仅仅包含最终的目标内容，还有下一步要抓取的url.抓取频率：我们需要合理的去下载一个网站，却又不失效率。让我对“如何和爬虫对话 ”这个课题有了一些思考，下面归
如此 实际上，搜索引擎蜘蛛抓取越多并不一定是越好的。这取决于您的网站是做什么的。如果您的网站有重要的动态内容，那么如果您的搜索引擎蜘蛛抓取过多，将会给您的网站带来压力，导致网站性能和速度下降。如果您的网站是基于静态内容的，例如博客，则搜索引擎蜘蛛抓取更多是没有问题的。
