巧用robots避免蜘蛛黑洞

*发表于 2014-10-17 17:30:21* · 发表于 2014-10-17 17:30:21

对于百度搜索引擎来说，蜘蛛黑洞特指网站通过极低的成本制造出大量参数过多，及内容雷同但具体参数不同的动态URL ，就像一个无限循环的“黑洞”将spider困住，Baiduspider浪费了大量资源抓取的却是无效网页。
   比如很多网站都有筛选功能，通过筛选功能产生的网页经常会被搜索引擎大量抓取，而这其中很大一部分检索价值不高，如“500-1000之间价格的租房”，首先网站（包括现实中）上基本没有相关资源，其次站内用户和搜索引擎用户都没有这种检索习惯。这种网页被搜索引擎大量抓取，只能是占用网站宝贵的抓取配额。那么该如何避免这种情况呢？
   我们以北京某团购网站为例，看看该网站是如何利用robots巧妙避免这种蜘蛛黑洞的：

对于普通的筛选结果页，该网站选择使用静态链接，如：http://bj.XXXXX.com/category/zizhucan/weigongcun
   同样是条件筛选结果页，当用户选择不同排序条件后，会生成带有不同参数的动态链接，而且即使是同一种排序条件（如：都是按销量降序排列），生成的参数也都是不同的。如：http://bj.XXXXX.com/category/ziz ... %2Fpoi.0.0.i1afqhek
http://bj.XXXXX.com/category/ziz ... %2Fpoi.0.0.i1afqi5c

对于该团购网来说，只让搜索引擎抓取筛选结果页就可以了，而各种带参数的结果排序页面则通过robots规则拒绝提供给搜索引擎。
   robots.txt的文件用法中有这样一条规则：Disallow: /*?* ，即禁止搜索引擎访问网站中所有的动态页面。该网站恰是通过这种方式，对Baiduspider优先展示高质量页面、屏蔽了低质量页面，为Baiduspider提供了更友好的网站结构，避免了黑洞的形成。

*发表于 2014-10-17 17:50:36* · 发表于 2014-10-17 17:50:36

转载内容记得标注。本文来自于http://zhanzhang.baidu.com/

XXXXX=meituan

有点纠结于百度没给留来源作者信息。

楼主| *发表于 2014-10-17 18:52:00* · 发表于 2014-10-17 18:52:00

ZERO 发表于 2014-10-17 17:50
转载内容记得标注。本文来自于http://zhanzhang.baidu.com/

XXXXX=meituan

我第一眼就猜到了哈哈因为之前baidu引用亚马逊的信息被投诉了所以他们不敢轻易用原来网站的真实名字

楼主| *发表于 2014-10-17 18:52:24* · 发表于 2014-10-17 18:52:24

以后表注

楼主| *发表于 2014-10-17 18:57:16* · 发表于 2014-10-17 18:57:16

涂丹发表于 2014-10-17 18:52
我第一眼就猜到了哈哈因为之前baidu引用亚马逊的信息被投诉了所以他们不敢轻易用原来网站的真实名字 ...

涉及到法务问题

*发表于 2014-10-17 20:25:59* · 发表于 2014-10-17 20:25:59

涂丹发表于 2014-10-17 10:57
涉及到法务问题

作者信息又不涉及法务，唉。。

*发表于 2014-10-18 09:57:27* · 发表于 2014-10-18 09:57:27

ZERO 发表于 2014-10-17 20:25
作者信息又不涉及法务，唉。。

真不知道谷歌在米国怎么活的好好的

帐号		自动登录	找回密码
密码			注册