不同的链接指向的页面如果具有大量相同的内容，这种现象就会被称为“重复内容”，如果一个网站的重复内容很多，搜索引擎就会认为这个网站的价值不高。所以我们应尽量避免各种重复内容。 动态网站的重复内容常常是由URL参数引起的，而URL重写会恶化这一现象(比较耐人寻味哟，呵呵)。因为如果使用的是原始的URL参数的话，搜索引擎可能会进行适当的判断，而得知重复内容是由URL参数引起的，自动的进行相应的处理;而URL重写会掩盖URL参数，反而使得搜索引擎无法识别URL参数。比如： 原始的URL: http://www.freeflying.com/articles.aspx?id=231&catelog=blog http://www.freeflying.com/articles.aspx?id=231&catelog=news 经过URL重写过后的URL： http://www.freeflying.com/blog/231.html http://www.freeflying.com/news/231.html 这些URL所指向的页面内容其实是一样的，都是id=231的那篇文章，但这篇文章被blog和news两个栏目所引用，出于各种原因的考虑，我们最终的URL还是如上所示。 处理的办法有两种，一种是利用机器人(robot)协议“排除”其中一个，另一种是通过301将其中一个URL永久重定向另一个URL。 今天我们先讲robot协议。简单的讲，robot指的就是搜索引擎，针对Google，我们又将其称之为“蜘蛛(spider)”。蜘蛛是很有礼貌的，在抓取你的网页内容的之前，会首先征求你的意见。而你和robot之前就基于robot协议进行沟通。具体到实现，有两种方式： 1. 将一个的robots.txt文本添加到网站根目录下，如： #static content, forbid all the pages under the "Admin" folder User-agent: * Disallow: /Admin #行表示注释; User-agent指搜索引擎，*表示针对所有搜索引擎，也可以指定具体的搜索引擎，如User-agent: googlebot; Disallow指定不允许访问的目录或页面，注意：1. 此文本是大小写敏感的;2.必须以“”开头，表示网站根目录; 和本系列的宗旨一样，我们着重谈ASP.NET技术。所以更多的robots.txt文本的注意事项，请查看http://www.googlechinawebmaster.com/2008/03/robotstxt.html 但我们怎么动态的生成这个文件呢(这种需求其实蛮多的)?可能我们马上想到的就是I/O操作，在根目录下写一个txt文件……，但其实还可以有一种方法：使用一般处理程序(.ashx文件)，代码如下： 代码 <%@ WebHandler Language="C#" Class="Handler" %> using System; using System.Web; public class Handler : IHttpHandler { public void ProcessRequest (HttpContext context) { HttpResponse response = context.Response; response.Clear(); //response.ContentType = "text/plain"; 如果要用IE6查看页面的话，不能这一条声明，原因不详 //下面这两句在实际使用中应该数据库等动态生成 response.Write("User-agent: * n"); response.Write("Disallow: /news/231.html n"); //引用一个静态的robots文件内容，里面存储不会改变的屏蔽内容 response.WriteFile("~/static-robots.txt"); response.Flush(); } public bool IsReusable { get { return false; } } } 一般处理程序实现了IHttpHandler，在前面UrlRewrite部分中，我们讲到了HttpModule，其实在ASP.NET的应用程序生命周期中，有一个称之为“管道(pipeline)”的概念：一个HTTP请求，经过一个有一个的HttpModule的“过滤/处理”，最终到达一个HttpHandle的“处理器”部分，HttpModule和HttpHandle就组成了一个“管道”. 如果你对它还比较陌生的话，查看Page的源代码，你会发现，Page也实现了IHttpHandler，所以*.aspx文件是最常用的HttpHandle。但Page不仅仅是一个HttpHandler，它还嵌入了复杂的页面生命周期事件，所以从节约资源的角度考虑，很多时候我也可以使用自定义的、更轻量级的*.ashx文件()，来完成一些简单的工作。和生成一个txt文件类似，我们还可以生成验证码(jpg文件)，xml文件等。 然后还要做的一件事就是进行URLRewrite： 代码 void Application_BeginRequest(object sender, EventArgs e) { // Code that runs on application startup HttpContext context = HttpContext.Current; string currentLocation = context.Request.Url.LocalPath; if (currentLocation.ToLower() == "/website1/robots.txt") { context.RewritePath("~/Handler.ashx"); } } 这样，蜘蛛就会以为在网站的根目录下的确存在一个robots.txt文件。 2. 在需要屏蔽的页面META标签里加上 noindex 意味着该页面不能被索引 nofollow 意味着该页面不能被“跟随”(将在SEO Hack中详细讲解) 这是静态页面的效果，如果需要动态生成，也相当简单： 代码 protected void Page_Load(object sender, EventArgs e) { HtmlMeta meta = new HtmlMeta(); meta.Name = "robots"; meta.Content = "noindex,nofollow"; this.Header.Controls.Add(meta); } meta中还可以指定description、keyword等，其技术实现是相同的。 那么，两种方式我们如何选择呢?我的一些建议： 1. 尽量使用robots.txt，这既能降低网站的负载(虽然很小，呵呵)，因为蜘蛛查看了robots.txt文件之后，就不会再请求被屏蔽的相关页面了;而如果使用meta方式，蜘蛛必须先请求该页面，再做出不检索的判断，这时Http请求已经发出了，服务器端的资源就已经浪费了;另外，如果过多的meta屏蔽，也会使蜘蛛对网站产生不佳的印象，减少或放弃该网站的检索收录; 2. robots.txt文本的匹配时从左到右的，这里就没什么正则匹配了!所以有的时候，我们不得不使用meta方式了。如我们文章开始的URL： http://www.freeflying.com/blog/231.html http://www.freeflying.com/news/231.html 最后，再讲一些注意事项： 1. 不要在所有页面使用相同的Keyword和Discription，这是我们很容易犯的一个错误，虽然articles.aspx是一个页面，但加上url参数后，就变成了成千上万个页面，如果你在页面上写死了Keyword和Discription，那将使这成千上万个页面都是一样的Keyword和Discription! 2. 尽量避免使用基于URL的SessionID。ASP.NET在客户端禁用cookie的情况下，可以设置使用基于URL的SessionID，效果类似： http://www.freeflying.com/(S(c3hvob55wirrndfd564))/articles.aspx
|
