一般来说,尽量让搜索引擎抓取和索引更多内容是seo们经常头疼的一个问题,没有收录、索引就无从谈排名.尤其对达到一定规模的网站来说,使网站充分收录是个颇令人费神的seo技术,当页面达到比如说几十万,无论网站架构怎么设计、多么优化,100%收录都是不可能的,只能尽量提高收录率.

    但有时候怎么阻止搜索引擎收录也可能成为一个问题,最近越来越成为问题.需要阻止收录的情况如保密信息、复制内容、广告链接等.过去常用的阻止收录方法包括密码保护、把内容放在表格后面、使用JS/Ajax、使用Flash等.

    使用Flash

    Google几年前就开始尝试抓取Flash内容了,简单文字性内容已经能抓取.Flash里面的链接也能被跟踪.

    表格

    Google蜘蛛也能填表,也能抓取POST请求页面.这个早就能从日志中看到.

    JS/Ajax

    使用JS链接一直以来被当作不搜索引擎友好的方法,因此可以阻止蜘蛛爬行,但两三年前我就看到JS链接不能阻止Google蜘蛛抓取,不仅JS中出现的URL会被爬,简单的JS还能被执行找到更多URL.

    前几天有人发现很多网站使用的Facebook评论插件里的评论被爬、被收录,插件本身是个AJAX.这是个好消息.我的一个实验电子商务网站产品评论功能就因为这个费了不少心思,用Facebook comments插件好处大大的,具体什么好处以后有时间再说,唯一的问题就是评论是AJAX实现的,不能被抓取,而产品评论被收录是目的之一(产生原创内容).我当时想了半天也没有解决方法,只好先傻傻地既放上Facebook comments插件又打开购物车本身的评论功能.现在好了,Facebook comments里的评论能被收录,就不用两套评论功能了.

    Robots文件

    目前唯一确保内容不被收录的方法是robots文件禁止.但也有个坏处,会流失权重,虽然内容是不能收录了,但页面成了只接受链接权重、不流出权重的无底洞.

    Nofollow

    Nofollow并不能保证不被收录.就算自己网站所有指向页面的链接都加了NF,也不能保证别人网站不给这个页面弄个链接,搜索引擎还是能发现这个页面.

    Meta Noindex + Follow

    (11月3日补充)读者no1se提醒,为防止收录又能传递权重,可以在页面上使用meta noindex和 meta follow,这样页面不收录,但能流出权重.确实如此,也是个比较好的方法.也有一个问题,还是会浪费蜘蛛爬行时间.哪位读者有能防止收录、又没有权重流失、又不浪费爬行时间的方法,请留言,对seo界功德无量.

    怎样使页面不被收录是个值得思考的问题,没意识到严重性的童鞋可以想想自己网站上有多少复制内容、低质量内容、各种无搜索价值(但用户觉得方便、有用所以又不能拿掉)的分类、过滤URL.