怎樣減少無效URL的爬行和索引 – 無完美解
- 威海搜索引擎工作原理 威海seo
- 1975
少年老成的云晨守望同學（題外話：少年老成是好事哈。我20多歲時人家說我像40歲，我40多歲時好多人說我像30多，男人20到50歲可以做到基本一個樣子）在網絡營銷實戰密碼網站貼了個帖子：透過京東商城看國內一線B2C網站SEO通病。建議先看那個帖子再回來看本帖，不然不容易明白下面在說什么。
簡單說，帖子指出一個嚴重而且現實的SEO問題：很多網站，尤其是B2C，產品條件過濾系統（如選擇產品的品牌、價格、尺寸、性能、參數等）會產生大量無效URL，之所以稱為無效只是從SEO角度看的，這些URL并不能產生SEO作用，反倒有負面作用，所以這些URL不收錄為好，原因包括：
大量過濾條件頁面內容重復或極為類似（大量復制內容將使網站整體質量下降）
大量過濾條件頁面沒有對應產品，頁面無內容（如選擇“100元以下42寸LED電視”之類的）
絕大部分過濾條件頁面沒有排名能力（排名能力比分類頁面低得多）卻浪費一定權重
這些過濾條件頁面也不是產品頁面收錄的必要通道（產品頁面應該有其它內鏈幫助爬行和收錄）
爬行大量過濾條件頁面極大浪費蜘蛛爬行時間，造成有用頁面收錄機會下降（過濾條件頁面組合起來是巨量的）
那么怎樣盡量使這些URL不被爬行和索引、收錄呢？前幾天的一篇帖子如何隱藏內容也可能成為SEO問題討論的是類似問題，這種過濾頁面就是想隱藏的內容種類之一。不過可惜，我目前想不出完美的解決方法。云晨守望提出兩個方法，我覺得都無法完美解決。
一是將不想收錄的URL保持為動態URL，甚至故意越動態越好，以阻止被爬行和收錄。但是，搜索引擎現在都能爬行、收錄動態URL，而且技術上越來越不是問題。雖然參數多到一定程度確實不利于收錄，但4、5個參數通常還可以收錄。我們無法確認需要多少參數才能阻止收錄，所以不能當作一個可靠的方法。而且這些URL接收內鏈，又沒有什么排名能力，還是會浪費一定權重。
第二個方法，robots禁止收錄。同樣，URL接收了內鏈也就接收了權重，robots文件禁止爬行這些URL，所以接收的權重不能傳遞出去（搜索引擎不爬行就不知道有什么導出鏈接），頁面成為權重只進不出的黑洞。
連向這些URL的鏈接配合nofollow也不完美，和robots禁止類似，nofollow在Google的效果是這些URL沒有接收權重，權重卻也沒有被分配到其它鏈接上，所以權重同樣浪費了。百度據稱支持nofollow，但權重怎么處理未知。
將這些URL鏈接放在Flash、JS里也沒有用，搜索引擎已經可以爬行Flash、JS里的鏈接，而且估計以后越來越擅長爬。很多SEO忽略了的一點是，JS中的鏈接不僅能被爬，也能傳遞權重，和正常連接一樣。
也可以將過濾條件鏈接做成AJAX形式，用戶點擊后不會訪問一個新的URL，還是在原來URL上，URL后面加了#，不會被當成不同URL。和JS問題一樣，搜索引擎正在積極嘗試爬行、抓取AJAX里的內容，這個方法也不保險。
還一個方法是在頁面head部分加noindex+follow標簽，意即本頁面不要索引，但跟蹤頁面上的鏈接。這樣可以解決復制內容問題，也解決了權重黑洞問題（權重是可以隨著導出鏈接傳到其它頁面的），不能解決的是浪費蜘蛛爬行時間問題，這些頁面還是要被蜘蛛爬行抓取的（然后才能看到頁面html里的noindex+follow標簽），對某些網站來說，過濾頁面數量巨大，爬行了這些頁面，蜘蛛就沒足夠時間爬有用頁面了。
再一個可以考慮的方法是隱藏頁面（cloaking），也就是用程序檢測訪問者，是搜索引擎蜘蛛的話返回的頁面拿掉這些過濾條件鏈接，是用戶的話才返回正常的有過濾條件的頁面。這是一個比較理想的解決方法，唯一的問題是，可能被當作作弊。搜索引擎常跟SEO講的判斷是否作弊的最高原則是：如果沒有搜索引擎，你會不會這么做？或者說，某種方法是否只是為了搜索引擎而采用？顯然，用cloaking隱藏不想被爬行的URL是為搜索引擎做的，不是為用戶做的。雖然這種情況下的cloaking目的是美好的，沒有惡意的，但風險是存在的，膽大的可試用。
還一個方法是使用canonical標簽，最大問題是百度是否支持未知，而且canonical標簽是對搜索引擎的建議，不是指令，也就是說這個標簽搜索引擎可能不遵守，等于沒用。另外，canonical標簽的本意是指定規范化網址，過濾條件頁面是否適用有些存疑，畢竟，這些頁面上的內容經常是不同的。
目前比較好的方法之一是iframe+robots禁止。將過濾部分代碼放進iframe，等于調用其它文件內容，對搜索引擎來說，這部分內容不屬于當前頁面，也即隱藏了內容。但不屬于當前頁面不等于不存在，搜索引擎是可以發現iframe中的內容和鏈接的，還是可能爬行這些URL，所以加robots禁止爬行。iframe中的內容還是會有一些權重流失，但因為iframe里的鏈接不是從當前頁面分流權重，而只是從調用的那個文件分流，所以權重流失是比較少的。除了排版、瀏覽器兼容性之類的頭疼問題，iframe方法的一個潛在問題是被認為作弊的風險。現在搜索引擎一般不認為iframe是作弊，很多廣告就是放在iframe中，但隱藏一堆鏈接和隱藏廣告有些微妙的區別。回到搜索引擎判斷作弊的總原則上，很難說這不是專門為搜索引擎做的。記得Matt Cutts說過，Google以后可能改變處理iframe的方式，他們還是希望在同一個頁面上看到普通用戶能看到的所有內容。
總之，對這個現實、嚴重的問題，我目前沒有自己覺得完美的答案。當然，不能完美解決不是就不能活了，不同網站SEO重點不同，具體問題具體分析，采用上述方法中的一種或幾種應該可以解決主要問題。
而最最最大的問題還不是上述這些，而是有時候你想讓這些過濾頁面被爬行和收錄，這才是杯具的開始。以后再討論。
來源：SEO每天一貼 Zac 昝輝
