- 我們的專業(yè)品牌服務商：網(wǎng)站建設、品牌策劃設計、網(wǎng)站優(yōu)化、網(wǎng)站推廣等業(yè)務
-
-
- 聯(lián)系電話：0577-55882408
- 傳真號碼：0577-55882411
- 聯(lián)系手機：15224122065
- 聯(lián)系地址：溫州市甌海站南商貿(mào)城C幢306
-
- 談談搜索引擎處理和收錄網(wǎng)頁的原理
- 發(fā)布時間:2012-4-8 13:47:09 ‖
- 網(wǎng)頁僅僅被搜索引擎索引、收錄是沒有太大的實際意義，往往只能淪為浩如煙海的Internet世界中的殉葬品，更重要的是如何讓網(wǎng)頁出現(xiàn)在針對特定搜索項的SERP(搜索結果頁面)前幾頁。
——許多人相信，讓網(wǎng)站內(nèi)盡可能多的頁面被收錄進搜索引擎索引數(shù)據(jù)庫終歸不是一件壞事，網(wǎng)頁越多，暴光的機會也便越大，雖然最終效果如何存在疑問。
Anyway，如果在對網(wǎng)站實施SEO時將重點放在網(wǎng)頁被索引、收錄的速度與效率，當然也無可厚非，而要想實現(xiàn)這一點，需要我們對搜索引擎如何收錄、索引網(wǎng)頁的機制有所了解。
下面我們以Google為例，介紹搜索引擎收錄、索引網(wǎng)頁的過程，希望能對朋友們有后助益。——對其他搜索引擎如Yahoo!、Live搜索及百度而言，盡管可能在具體細節(jié)上存在差別，不過，基本策略應該是類似的。
1、收集待索引網(wǎng)頁的url
Internet上存在的網(wǎng)頁數(shù)量絕對是個天文數(shù)字，每天新增的網(wǎng)頁也不計其數(shù)，搜索引擎需要首先找到要索引收錄的對象。
具體到Google而言，雖然對GoogleBot是否存在DeepBot與FreshBot的區(qū)別存在爭議——至于是否叫這么兩個名字更是眾說紛耘，當然，名字本身并不重要——至少到目前為止。
主流的看法是，在Google的robots中，的確存在著相當部分專門為真正的索引收錄頁頁準備“素材”的robots——在這里我們姑且仍稱之為FreshBot吧
——它們的任務便是每天不停地掃描Internet，以發(fā)現(xiàn)并維護一個龐大的url列表供DeepBot使用，換言之，當其訪問、讀取其一個網(wǎng)頁時，目的并不在于索引這個網(wǎng)頁，而是找出這個網(wǎng)頁中的所有鏈接。
——當然，這樣似乎在效率上存在矛盾，有點不太可信。不過，我們可以簡單地通過以下方式判斷：FreshBot在掃描網(wǎng)頁時不具備“排它性”。
也即是說，位于Google不同的數(shù)據(jù)中心的多個robots可能在某個很短的時間周期，比如說一天甚至一小時，訪問同一個頁面，而DeepBot在索引、緩存頁面時則不會出現(xiàn)類似的情況。
即Google會限制由某個數(shù)據(jù)中心的robots來完成這項工作的，而不會出現(xiàn)兩個數(shù)據(jù)中心同時索引網(wǎng)頁同一個版本的情況，如果這種說法沒有破綻的話，則似乎可以從服務器訪問日志中時常可以看到源自不同IP的GoogleBot在很短的時間內(nèi)多次訪問同一個網(wǎng)頁證明FreshBot的存在。
因此，有時候發(fā)現(xiàn)GoogleBot頻繁訪問網(wǎng)站也不要高興得太早，也許其根本不是在索引網(wǎng)頁而只是在掃描url。
FreshBot記錄的信息包括網(wǎng)頁的url、Time Stamp(網(wǎng)頁創(chuàng)建或更新的時間戳)，以及網(wǎng)頁的Head信息(注：這一點存在爭議，也有不少人相信FreshBot不會去讀取目標網(wǎng)頁信息的，而是將這部分工作交由DeepBot完成。
不過，筆者傾向于前一種說法，因為在FreshBot向DeepBot提交的url列表中，會將網(wǎng)站設置禁止索引、收錄的頁面排除在外，以提高效率，而網(wǎng)站進行此類設置時除使用robots.txt外還有相當部分是通過mata標簽
中的“noindex”實現(xiàn)的，不讀取目標網(wǎng)頁的head似乎是無法實現(xiàn)這一點的)，如果網(wǎng)頁不可訪問，比如說網(wǎng)絡中斷或服務器故障，F(xiàn)reshBot則會記下該url并擇機重試，但在該url可訪問之前，不會將其加入向DeepBot提交的url列表。
總的來說，F(xiàn)reshBot對服務器帶寬、資源的占用還是比較小的。最后，F(xiàn)reshBot對記錄信息按不同的優(yōu)先級進行分類，向DeepBot提交，根據(jù)優(yōu)先級不同，主要有以下幾種：
A：新建網(wǎng)頁;B：舊網(wǎng)頁/新的Time Stamp，即存在更新的網(wǎng)頁;C：使用301/302重定向的網(wǎng)頁;D：復雜的動態(tài)url，如使用多個參數(shù)的動態(tài)url，Google可能需要附加的工作才能正確分析其內(nèi)容。
——隨著Google對動態(tài)網(wǎng)頁支持能力的提高，這一分類可能已經(jīng)取消;E：其他類型的文件，如指向PDF、DOC文件的鏈接，對這些文件的索引，也可能需要附加的工作;
F：舊網(wǎng)頁/舊的Time Stamp，即未更新的網(wǎng)頁，注意，這里的時間戳不是以Google搜索結果中顯示的日期為準，而是與Google索引數(shù)據(jù)庫中的日期比對;G：錯誤的url，即訪問時返回404回應的頁面;
優(yōu)先級按由A至G的順序排列，依次降低。需要強調(diào)的是，這里所言之優(yōu)先級是相對的，比如說同樣是新建網(wǎng)頁，根據(jù)指向其的鏈接質(zhì)量、數(shù)量的不同，優(yōu)先級也有著很大的區(qū)別，具有源自相關的權威網(wǎng)站鏈接的網(wǎng)頁具有較高的優(yōu)先級。
此外，這里所指的優(yōu)先級僅針對同一網(wǎng)站內(nèi)部的頁面，事實上，不同網(wǎng)站也有有著不同的優(yōu)先級，換言之，對權威網(wǎng)站中的網(wǎng)頁而言，即使其最低優(yōu)先級的404 url，也可能比許多其他網(wǎng)站優(yōu)先級最高的新建網(wǎng)頁更具優(yōu)勢。
2、網(wǎng)頁的索引與收錄
接下來才進入真正的索引與收錄網(wǎng)頁過程。從上面的介紹可以看出，F(xiàn)reshBot提交的url列表是相當龐大的，根據(jù)語言、網(wǎng)站位置等不同，對特定網(wǎng)站的索引工作將分配至不同的數(shù)據(jù)中心完成。
整個索引過程，由于龐大的數(shù)據(jù)量，可能需要幾周甚至更長時間才能完成。
正如上文所言，DeepBot會首先索引優(yōu)先級較高的網(wǎng)站/網(wǎng)頁，優(yōu)先級越高，出現(xiàn)在Google索引數(shù)據(jù)庫及至最終出現(xiàn)在Google搜索結果頁面中的速度便越快。
對新建網(wǎng)頁而言，只要進入到這個階段，即使整個索引過程沒有完成，相應的網(wǎng)頁便已具備出現(xiàn)在Google索引庫中的可能，相信許多朋友在Google中使用“site:somedomain.com”搜索時常常看到標注為補充結果只顯示網(wǎng)頁url或只顯示網(wǎng)頁標題與url但沒有描述的頁面，此即是處于這一階段網(wǎng)頁的正常結果。
當Google真正讀取、分析、緩存了這個頁面后，其便會從補充結果中逃出而顯示正常的信息。
——當然，前提是該網(wǎng)頁具有足夠的鏈接，特別是來自權威網(wǎng)站的鏈接，并且，索引庫中沒有與該網(wǎng)頁內(nèi)容相同或近似的記錄(Duplicate Content過濾)。
對動態(tài)url而言，雖然如今Google宣稱在對其處理方面已不存在障礙，不過，可以觀察到的事實仍然顯示動態(tài)url出現(xiàn)在補充結果中的幾率遠大于使用靜態(tài)url的網(wǎng)頁，往往需要更多、更有價值的鏈接才能從補充結果中逸出。
而對于上文中之“F”類，即未更新的網(wǎng)頁，DeepBot會將其時間戳與Google索引數(shù)據(jù)庫中的日期比對，確認盡管可能搜索結果中相應頁面信息未來得及更新但只要索引了最新版本即可
——考慮網(wǎng)頁多次更新、修改的情況——;至于“G”類即404 url，則會查找索引庫中是否存在相應的記錄，如果有，將其刪除。
3、數(shù)據(jù)中心間的同步
前文我們提到過，DeepBot索引某個網(wǎng)頁時會由特定的數(shù)據(jù)中心完成，而不會出現(xiàn)多個數(shù)據(jù)中心同時讀取該網(wǎng)頁，分別獲得網(wǎng)頁最近版本的情況，這樣，在索引過程完成后，便需要一個數(shù)據(jù)同步過程，將網(wǎng)頁的最新版本在多個數(shù)據(jù)中心得到更新。
這就是之前著名的Google Dance。不過，在BigDaddy更新后，數(shù)據(jù)中心間的同步不再象那樣集中在特定的時間段，而是以一種連續(xù)的、時效性更強的方式進行。
盡管不同數(shù)據(jù)中心間仍存在一定的差異，但差異已經(jīng)不大，而且，維持的時間也很短。
提高搜索引擎索引收錄網(wǎng)頁的效率，根據(jù)上面的介紹，可以看出，要想讓您的網(wǎng)頁盡可能快、盡可能多地被搜索引擎收錄，至少應從如下幾方面進行優(yōu)化：
提高網(wǎng)站反相鏈接的數(shù)量與質(zhì)量，源自權威網(wǎng)站的鏈接可以讓您的網(wǎng)站/網(wǎng)頁在第一時間內(nèi)被搜索引擎“看到”。
當然，這也是老生常談了。從上面的介紹可以看出，要提高網(wǎng)頁被搜索引擎收錄的效率，首先要讓搜索引擎找到您的網(wǎng)頁，鏈接是搜索引擎找到網(wǎng)頁的唯一途徑——
“唯一”一詞存在些許爭議，見下面的SiteMaps部分——從這個角度看，向搜索引擎提交網(wǎng)站之類的作法沒有必要且沒有意義，相對而言，要想讓您的網(wǎng)站被收錄，獲得外部網(wǎng)站的鏈接才是根本，同時，高質(zhì)量的鏈接也是讓網(wǎng)頁步出補充結果的關鍵因素。
網(wǎng)頁設計要秉持“搜索引擎友好”的原則，從搜索引擎spider的視角設計與優(yōu)化網(wǎng)頁，確保網(wǎng)站的內(nèi)部鏈接對搜索引擎“可見”，相對于獲得外部網(wǎng)站鏈接的難度，合理規(guī)劃的內(nèi)部鏈接是提高搜索引擎索引與收錄效率更經(jīng)濟、有效的途徑——除非網(wǎng)站根本未被搜索引擎收錄。
如果您的網(wǎng)站使用動態(tài)url，或者導航菜單使用JavaScript，那么，當在網(wǎng)頁收錄方面遇到障礙時，應首先從這里著手。
使用SiteMaps。事實上，許多人認為Google取消了FreshBot的一個主要原因便是SiteMaps(xml)協(xié)議的廣泛應用，認為這樣只需讀取網(wǎng)站提供的SiteMaps便可得到網(wǎng)頁更新信息，而不需FreshBot耗時費力地掃描。
這種說法還是有一定道理的，雖然目前不能確定Google究竟直接使用SiteMaps作為DeepBot的索引列表還是用做FreshBot的掃描路標，但SiteMaps能夠提高網(wǎng)站索引收錄的效率則是不爭的事實。
比如說，SEO探索曾做過如下的測試：
兩個網(wǎng)頁，獲得的鏈接情況相同，一個加入SiteMaps而另一未加入，出現(xiàn)在SiteMaps中的網(wǎng)頁很快被收錄，而另一個頁面則在過了很長時間后才被收錄;
某個孤島頁面，沒有任何指向其的鏈接，但將其加入SiteMaps一段時間后，同樣被Google索引，只不過，出現(xiàn)在補充結果中。
當然，從盡管網(wǎng)頁未出現(xiàn)在SiteMaps中但仍能被Google索引也可以看出，Google仍然使用FreshBot或類似FreshBot的機制，當然這也容易理解，畢竟仍然有那么多未使用SiteMaps的網(wǎng)站，Google不可能將其拒之門外。
有關SiteMaps的詳細介紹，請參考Google SiteMaps:Google的“后門”。需要指出的是，如今Sitemaps協(xié)議已成為行業(yè)標準，不獨對Google有效，其他主流搜索引擎包括Yahoo!、Live搜索及Ask均已提供支持
轉(zhuǎn)載請注明：原文出自 http://www.7896112.cn/news_show/lcnt_details_6_822.html
上一篇：網(wǎng)站優(yōu)化過程中關于URL標準化
下一篇：讓網(wǎng)站的權重提高怎么做
【置頂】 【關閉本頁】 【打印本頁】
主站蜘蛛池模板：
国产欧美日韩看片片在线人成
|
最近免费中文完整视频观看
|
成人网18免费视频
|
天天爱夜夜做
|
久久精品国产2020
|
最新亚洲一区二区三区四区
|
全网毛片免费|
日韩永久免费进入2015
|
日本三级小视频
|
青草视频网站在线观看
|
日韩国产欧美一区二区三区在线
|
国产在线日韩
|
色多多污网站
|
a级午夜理论免费毛片
|
亚洲日韩中文第一精品
|
欧美天堂在线观看
|
不卡欧美
|
水果视频在线观看
|
在线免费视频你懂的
|
欧美日韩不卡视频
|
日本一本高清视频
|
91精品国产91久久久久青草
|
中国一级毛片免费观看
|
伊人天堂在线
|
午夜视频十八嗯嗯啊免费
|
国产91网站在线观看
|
干干干操操操
|
欧美中文小说在线观看
|
加勒比一本大道香蕉在线视频
|
午夜看黄网站免费
|
亚洲精品成人a在线观看
|
欧产日产国产精品专区
|
视频在线观看h
|
激情六月综合
|
一本到在线
|
日韩精品一区二区三区中文精品
|
欧美亚洲综合另类
|
欧美精品一区视频
|
国产香蕉一本大道
|
青青青国产免费线在
|
欧美福利影院
|
首頁-新聞中心-
