动态网页抓取( 动态页面及伪静态页面分别是什么及区别在哪？)

　　动态网页抓取(

动态页面及伪静态页面分别是什么及区别在哪？)

　　什么是动态页面、静态页面和伪静态页面，它们的区别是什么？学习建网站从知道网页地址开始。老魏会详细讲解常见的网页格式，让新手和小白对网页地址格式有更深入的了解和认识，有助于网站的知识积累。

　　一、动态页面

　　我们经常看到浏览器地址栏中的一些网址很长，而且链接中还收录“？” 一般是动态链接，对应的页面是动态页面；

　　动态页面是用ASP、PHP、JSP、Perl或CGI等编程语言制作的。它们不存在于服务器中。服务器只有在用户访问请求时才返回一个完整的网页；

　　动态页面的内容存在于数据库中，根据不同的用户访问请求提供不同的网页内容。同时大大减少了网站维护的工作量；

　　网站，提供动态网页技术，实现用户注册、登录、用户管理、购买、在线调查、投票等多种交互功能。相反，静态网页无法提供这些功能。

　　动态页面通常以.php、asp 和jsp 等不同形式结束。

　　动态页面：简单的说就是将改变的内容放入数据库，相对不变的内容放入动态页面。当访问者请求访问时，读取并返回数据库中的内容，这样一个独立的动态页面就可以支持网站无限数量的文章内容发布，大大节省了网站的空间方便 网站 内容管理。

　　二、静态页面

　　存储在服务器云盘中的html文件在用户访问时从硬盘中读取并返回给用户。它通常以.htm.html 结尾，每个文件代表一个页面。

　　三、伪静态页面

　　它是由 wordpress 等程序生成的“静态页面”。它的表现形式是静态页面，但本质上是动态页面。

　　四、动态页面、静态页面和伪静态页面的区别

　　1、 动态页面的优缺点：易于维护和更新。比如调整一个产品的价格，站长只需要修改数据库，不需要修改每个单独的静态页面，节省了大量的人力和时间。

　　访问者很容易看到动态页面。但搜索引擎蜘蛛爬取并不容易，因为真正的网络内容存储在数据库中。这也使得动态网页难以被搜索引擎蜘蛛检索和抓取。蜘蛛程序会停在动态页面上，停止爬行。在相同的字段和内容下，静态页面的网站可以很容易地被索引和抓取。

　　搜索引擎不读取符号“？”后内容的原因：

　　动态页面的 URL 收录一个问号 (?) 和一个百分号 (%)。还有诸如 &、%、+ 和 $ 等符号。这样的网址被称为“环境变量”，这些环境变量很容易让蜘蛛程序陷入死循环。是蜘蛛程序无法理解符号“？”后的字符，URL 仍然不存在。为了避开那些蜘蛛陷阱，蜘蛛会不会不读？以下内容导致页面无法被索引和抓取。

　　2、 静态页面的优缺点：URL格式简单易懂。它是存在于云服务器硬盘中的文件，很容易被搜索引擎索引和抓取。

　　更新和维护并不容易。更改时必须手动更改每个文件。如果有数千个静态页面，工作量是难以想象的。

　　3、 伪静态页面的优缺点：URL格式和静态页面完全一样。访问者和蜘蛛程序看到的都是html地址，方便识别和爬取。它实际存在于服务器上，被搜索引擎收录搜索到后网址不会改变，用户访问时不会出现问题。而且，网站管理后台是动态程序，更容易改变。缺点：本质还是动态页面。用户每次访问，都要读取数据库内容返回给访问者，消耗服务器资源。

　　4、静态和伪静态比较

　　速度。在速度方面，静态页面比伪静态要好很多。静态页面是放置在服务器上的页面。当用户向服务器发出请求时，可以直接调用并返回给用户。动态页面，伪静态，其实就是动态页面，用技术手段读取数据库内容，动态页面？必须根据后面的参数读取数据库的次数。如果同时访问请求过多，会大大增加服务器负载，进而影响服务器采购成本，违背高性价比的目的。

　　容量。静态页面存在于服务器中，占用一定的空间。有多少内容就有多少独立的页面，相应地占用的空间也更多。这可以通过使用伪静态来避免。伪静态是动态 URL 到静态的转换，在服务器上实际上并不存在。

　　伪静态兼顾了静态页面和动态页面的优点，方便收录和搜索排名，后期可以自由修改内容。Wordpress 是最常见的伪静态程序。

　　现在很多程序本身就是动态页面。通过技术手段，可以生成真正的html静态页面，并存储在硬盘上供访问者阅读。以后修改也无所谓，重新生成所有静态页面即可。缺点也很明显：如果有几千个独立的静态页面，一代会占用大量的服务器资源，严重的会导致死机、假死、服务器崩溃等不良后果。