搜索资料时点开链接却显示“页面不存在”,或者发现网页内容与前几天看到的不一样,许多人这时才想起百度快照。它可以说是百度抓取网页时留下的“历史存档”,懂得如何找到它、用它,既能在日常查资料时多一条退路,也能帮你判断网站收录是否正常。
百度快照,简单来说,就是百度在收录网页时自动保存的一份页面副本。当你访问的网站出现服务器故障、域名解析异常或内容被下架等情况时,可以通过搜索结果的快照入口,直接查看百度服务器里存下的页面内容。
这份快照并不是实时更新的。它的刷新频率主要受百度蜘蛛的抓取周期影响,短则几天,长则数周,所以快照内容与网站当前页面存在差异是常见现象。查阅资料时,最好先留意快照页顶部标注的生成时间,以免把旧信息当成最新内容。
可以把快照理解成百度给网页拍下的“存证照片”,它记录的是抓取时刻的页面样貌,而非现在的实时画面。
查看快照不需要安装任何插件,直接在百度搜索结果中操作即可,具体步骤如下:
避坑提醒:如果搜索结果是由多个站点聚合而成,或者目标页面上线时间很短,网页可能没有生成快照。这时不用反复尝试,可以改用必应或搜狗的快照功能,往往更快。
另外需要留意,快照页面通常只保留文字和基础排版,图片、视频、动态加载的数据以及需要登录才能显示的区块都看不到。
快照不只在网页打不开时派得上用场,在以下几种情况里也相当实用:
需要明确的是,快照的功能有限,它只解决“有没有内容可看”的问题,不保证页面里的表格样式、交互组件能完整还原,涉及重要数据时最好多渠道交叉验证。
对小网站和刚做的页面来说,快照过旧会让人误以为站点维护不善,所以要主动管理。策略可以分为两种情况:
不用被动等百度自己来抓。登录百度搜索资源平台,使用“链接提交”中的普通收录或快速收录功能,把改动过的网址主动推送上去。推送后,蜘蛛通常会在较短时间内重新抓取网页,快照也会随之刷新。
判断标准:推送后五天左右再搜索一遍,如果快照时间仍然很旧,建议检查页面是否存在响应速度过慢、被robots文件拦截或服务器频繁超时等问题。
当快照里出现敏感内容、错漏信息,或者涉及隐私问题,可以在快照页顶部点击“反馈”或“清除快照”,向百度提交删除申请。注意,删除快照不等于删除原网页,后续的抓取可能导致快照重新生成,所以要从根上修改或下线相关页面内容。
对于内容更新频繁的网站,比较务实的做法是主动设置合理的抓取频率,并在改版时保持旧网址可访问,减少快照与真实页面脱节的机会。
最常见的原因有两类:一是百度当天存在抓取异常,镜像服务器暂时无法访问;二是页面本身禁止了快照功能,比如设置了noarchive标签。如果是前者,隔几个小时再试通常能恢复;如果是后者,基本只能放弃快照,改用其他搜索引擎。
原理是一样的,都是搜索引擎对网页的缓存副本。区别在于名称和入口,必应叫“网页快照”、360叫“快照”,信息保留程度也各有不同。查不到百度快照时,可以换其他搜索引擎尝试,不必死守一个入口。
快照更新速度取决于网站权重和抓取频率。新站或内容更新少的站点,快照停留在一个月甚至更久都不稀奇。加快的方法包括:保持稳定更新、提交sitemap、把页面整体加载速度提上去,长期坚持下来快照更新周期自然会缩短。
百度快照是一个被许多人低估的工具,普通用户能借助它读取打不开或已被改动的页面,站长则可以靠它判断收录状态、发现被拦截的内容。日常使用时,记得先看快照生成时间再决定是否采信里面信息;作为站长,主动推送链接、定期核对自己页面的快照情况,比事后补救要省心得多。下次再遇到网页无法访问,不用急着发愁,先去结果页找找“百度快照”的入口。