缘起

本站于2011年7月改版，采用Bootstrap布局，自动适配移动端。发布上线之后，发现有些新文章与作品一直不被百度收录，心中疑惑不解，但由于杂事缠(lan)身(duo)，就没去跟踪与处理了。

最近朋友告诉我，在百度搜索tcdos关键词，竟然搜索不到本站了。问题严重了，得解决。

解惑

首先，登录百度搜索资源平台，提交资源，包括sitemap.txt、sitemap.xml等。推荐使用API提交，采用curl方式。

curl -H 'Content-Type:text/plain' --data-binary @urls.txt "http://data.zz.baidu.com/urls?site=www.tcdos.com&token=s8Qiu4Wx42jXs2i3

然后，耐心等待百度爬虫采集，一般需要24h以上。最后，结果出来了。

Xml解析失败

看了错误提示，说存在两个问题，原来百度不收录真的是有理由的。

• 页面存在不合法的元素名

<img>没有闭合，站点采用的是Markdown编辑器，上传图片之后在编辑器中插入的图片标签没有闭合。

• JS中也存在不合法的元素名

在实现图片展示交互中，需要获取图片的真实大小，使用 onlod 方法来实现，代码如下：

var imgOrigW, imgOrigH;
$("<img />").attr("src", imgUrl).on("load", function () {
    that.imgOrigW = this.width;
    that.imgOrigH = this.height;
});

爬虫提示问题代码为“$("<img />")”，不知为何。只能如下修改：

var imgOrigW, imgOrigH;
var oImg = new Image();
$(oImg).attr("src", imgUrl).on("load", function () {
    that.imgOrigW = this.width;
    that.imgOrigH = this.height;
});

记录一个细节，在更新时，我把上述错误代码注释，爬虫仍会提示解析失败，必须要删除代码。

当然，基于HTML5的属性，可以使用 naturalWidth 和 naturalHeight。但是获取异常，一直为 0。下次再研。

网站更新上线了，先观察一阵子，看看效果如何吧。

上述情况证明，百度对收录还是把关很严格的。我在 cn.bing.com 搜索了一下，发现网站收录一切正常 :)

跟踪

截止2022/12/15，百度还是未收录。问客服，客服回复说收录正常。