公司网站已经上线了有3个月了，google上面有一千多条网页的收录，在某些关键词的排名上也有不错的效果。可是百度的结果让人很失望，到目前为止还只是一条首页的收录记录，并且更新还很慢。百度的更新是出了名的慢，所以众多站长为此非常烦恼。说起这个方面，Google说什么还真的比较地道一些。

但是，3个月还不收录内页，这个现象让我非常的担心。原本担心是否我的程序有问题。可是我服务的几个客户全部都收录了内页，而且都是在2-3周的时候开始收录的。所以，不应该是程序的问题。那内容和操作呢？是否是给百度认为作弊了呢？可是我没有对我的网站做任何作弊的行为啊。

在经过仔细的分析以后，我初步得出以下的猜想，与大家分享一下。

看了很多关于百度收录的文章，发现百度收录有一个特点，就是关注原创性。如果百度认为这个网站的原创性不够，甚至主要的文章内容为转载，则会一直保持收录首页，进行观察。如果这个假设成立，那么我的网站只被收录首页就很好解释了。因为在网站建设初期，为了尽快丰富网站内容，做了大量的转载。虽然自己也写了很多内容，可是原创的文章大概只是占20%的程度。而相比之下，我的客户的网站，在建设初期，主要的网站内容都是客户的产品，所以原创性非常高。直到后期才陆续转载他人的文章。所以，其他客户的网站百度的收录是正常的。甚至其中的一个客户，由于产品的数量最高，所以获得了最高的收录。那些转载的文章，似乎始终不被收录。

这样说来，一切问题似乎都得到了很好的解释，也符合逻辑。可是，我们的技术总监提出，它为什么要这样去做呢？判断一个文章是否原创，对信息抓取的时候系统的负荷会更加沉重的。为了验证这个百度对转载尽量不收录的猜测，我们做了一个简单的试验。有兴趣的朋友可以进一步验证。我尝试用带引号的方式输入以下内容，分别得到了百度和google的收录数量，可以明显看到百度的数量要比google少很多。似乎可以验证以上的说法。

所以，我们猜测，百度虽然在抓取时消耗更大的系统资源来进行验证，可是却获得了更少冗余的文章，对于用户来说是更为友好一些的。而且，由于被检索的数据库数据量比较少，检索时所耗费的时间自然更少一些。这样说来，百度的这种做法似乎更加优化一些。如果说百度比google更晚一点面世的，那么百度的这种考虑自然是从google的经验得出，也为了将搜索结果更加精确，减少重复内容。

百度的这种做法似乎更加吻合中国的国情。因为我国人民抄的能力特别强嘛。

以上纯属猜测，欢迎大家讨论，探求真知。