GoGo闯：【SEO】关于爬虫抓取JS、CSS、JSON

这是一个存在多年、经常出现但又从来没有标准解决办法的问题：搜索引擎爬虫（尤其是百度）抓取JS、CSS、JSON文件，robots屏蔽依然抓取的情况。

这就引出了几个问题：

1、爬虫抓取JS、CSS是干什么的？

2、爬虫能否执行JS？

3、爬虫抓取JS对SEO有什么影响？

针对以上问题，我说下自己的看法：

第一个，爬虫抓取CSS，用于判断页面元素的重要程度，及保证快照显示的完整性；抓取JS，用于发现新链接，及判断是否存在作弊的情况

第二个， 会执行JS，但不确定所有的JS是否都会执行。像网上好多人说的“搜索引擎会直接忽略JS、iframe什么的，只抓取纯文本信息”，这从实际情况上站不住脚啊，如果搜索引擎对JS、iframe鸟都不鸟，那内些做黑帽的同学岂不爽死了（不懂为什么爽？请看前两篇关于黑帽的文章，你就懂了！）

第三个，这个不知道。某些情况下，可能会占用抓取配额，不过我经历的几个存在蜘蛛抓取JS的站，流量上并没有什么异常。

说到这，我的现在工作的站在上半年出现过这种情况，百度疯狂的抓json，robots屏蔽各种无效，然而流量上并没有下降等异常状况，本来依我的心理承受能力是根本不会在乎这种情况的┏ (゜ω゜)=☞，但是一查json的抓取比例着实让我菊花一紧，接近40%，是的，你没有看错，40%，假设百度一天抓100万页面，40万都是json这玩意。

然后发现日志中百度的抓取总量跟百度站长工具的抓取频次对不上，几次检查后发现，日志中的抓取总量 = 百度工具的抓取频次 + 日志中json的抓取总量。也就是说，对于百度给出的抓取频次数据，抓取json的部分是没有计算在内的，等于说是附赠的抓取。从这点看，应该对SEO没什么影响，不存在占用抓取配额的问题么，但看抓取比例总是非常蛋疼，还是决定解决下这个情况。

经过排查，发现有些页面包含一个功能：当页面被请求时先判断来访用户是否登录，如果登录则返回该用户历史访问的其他产品，如果未登录，则返回指定的内容。返回的内容转换成一个json文件（没错，就是百度疯狂抓的那个），然后传递到前台的js，js通过解析json文件，将解析json后的数据显示在前端界面。

用的是异步加载，从业务逻辑上看，对该页面的任何访问者，如果不执行这个js，相当于页面没加载完。

json路径是明文写在js里的，也不知道百度是把json的路径识别出来了还是执行js了，反正只要抓了包含这个功能的页面，都会顺带抓对应的json文件。

综上，预定的解决办法有两种：

第一种是直接把这个功能对应的JS删了

第二种是面对搜索引擎访问，不返回这个js。所以蜘蛛根本看不到，也就不会抓了

最后因为这个功能上线多月，但数据表现一直不好，点击率低，直接把这个功能砍了.......然后转天在看日志，json抓取量为0......

A、觉得有帮助就转一下喽，转一下又不会怀孕(๑•́ ₃ •̀๑)

B、暂定了几个更新的主题，麻烦在对话框中输入对应的编号，我会统计需求最多的那个优先更新

1）网站被DDOS、CC，SEO如何处理？

2）黑帽：寄生虫程序原理

3）SEO数据的获取与分析技巧

4）关键词数据分析

5）其他，你们定，直接在对话框输入

微信公众号：流量贩子

扫描下图“识别图中二维码”以快速关注