搜索引擎只是网站上一个普通的访客,对网站的抓取方式、对网站/网页的价值判断,也都是从用户的角度出发的,任何对用户体验的改进,都是对搜索引擎改进.对搜索引擎的优化,同时也会让用户受益.

    面向搜索引擎的网站建设,主要分为三个部分:如何更好的让搜索引擎收录网站中的内容、如何在搜索引擎中获得良好的排名、如何让用户从众多的搜索结果中点击你的网站.简单来说,就是收录、排序、展现.下面我们将从这三个方面分别介绍.

    机器可读

    百度通过一个叫做Baiduspider的程序抓取互联网上的网页,经过处理后建入索引中.目前Baiduspider只能读懂文本内容,flash、图片等非文本内容暂时不能处理,放置在flash、图片中的文字,百度无法识别.

    建议使用文字而不是flash、图片、Javascript等来显示重要的内容或链接,搜索引擎暂时无法识别Flash、图片、Javascript中的内容,这部分内容无法搜索到;仅在flash、Javascript中包含链接指向的网页,百度可能无法收录.

    百度优化建议

    使用文字而不是flash、图片、Javascript等来显示重要的内容或链接;

    如果必须使用Flash制作网页,建议同时制作一个供搜索引擎收录的文字版,并在首页使用文本链接指向文字版;

    Ajax等搜索引擎不能识别的技术,只用在需要用户交互的地方,不把希望搜索引擎"看"到的导航及正文内容放到Ajax中;

    不使用frame和iframe框架结构,通过iframe显示的内容可能会被百度丢弃.

    网站结构

    网站应该有清晰的结构和明晰的导航,这能帮助用户快速从你的网站中找到自己需要的内容,也可以帮助搜索引擎快速理解网站中每一个网页所处的结构层次.

    网站结构建议采用树型结构,树型结构通常分为以下三个层次:首页--频道--文章页.象一棵大树一样,首先有一个树干(首页),然后再是树枝(频道),最后是树叶(普通内容页).树型结构的扩展性更强,网站内容变多时,可以通过细分树枝(频道)来轻松应对.

    理想的网站结构应该是更扁平一些,从首页到内容页的层次尽量少,这样搜索引擎处理起来,会更简单.

    同时,网站也应该是一个网状结构,网站上每个网页都应该有指向上、下级网页以及相关内容的链接:首页有到频道页的链接,频道页有到首页和普通内容页的链接、普通内容页有到上级频道以及首页的链接、内容相关的网页间互相有链接.

    网站中每一个网页,都应该是网站结构的一部分,都应该能通过其他网页链接到.

    总结一下,合理的网站结构应该是一个扁平的树型网状结构.

    百度优化建议

    确保每个页面都可以通过至少一个文本链接到达;

    重要的内容,应该能从首页或者网站结构中比较浅的层次访问到;

    合理分类网站上的内容,不要过度细分.

    网站应该有简明、清晰的导航,可以让用户快速找到自己需要的内容,同时也可以帮助搜索引擎更好的了解网站的结构.

    百度优化建议

    为每个页面都加上导航栏,让用户可以方便的返回频道、网站首页,也可以让搜索引擎方便的定位网页在网结构中的层次;

    内容较多的网站,建议使用面包屑式的导航,这更容易让用户理解当前所处的位置:网站首页 > 频道 > 当前浏览页面 ;

    导航中使用文字链接,不使用复杂的js或者flash;

    使用图片做导航时,可以使用Alt注释,用Alt告诉搜索引擎所指向的网页内容是什么.

    合理的返回码

    百度爬虫在进行抓取和处理时,是根据http协议规范来设置相应的逻辑的,所以请站长们也尽量参考http协议中关于返回码的含义的定义进行设置.

    Baiduspider 对常用的http返回码的处理逻辑是这样的:

    404 返回码的含义是 "Not Found",百度会认为网页已经失效,那么通常会从搜索结果中删除,并且短期内 spider 再次发现这条 URL 也不会抓取.

    503 返回码的含义是 "Service Unavailable",百度会认为该网页临时不可访问,通常网站临时关闭,带宽有限等会产生这种情况.对于网页返回503,百度 spider 不会把这条 URL 直接删除,短期内会再访问.届时如果网页已恢复,则正常抓取;如果继续返回503,短期内还会反复访问几次.但是如果网页长期返回503,那么这个 URL 仍会被百度认为是失效链接,从搜索结果中删除.

    403 返回码的含义是 "Forbidden",百度会认为网页当前禁止访问.对于这种情况,如果是新发现的URL,百度 spider 暂不抓取,短期内会再次检查;如果是百度已经收录的URL,当前也不会直接删除,短期内同样会再访问.届时如果网页允许访问,则正常抓取;如果仍不允许访问,短期内还会反复访问几次.但是如果网页长期返回403,百度也会认为是失效链接,从搜索结果中删除.

    301 返回码的含义是 "Moved Permanently",百度会认为网页当前跳转至新URL.当遇到站点迁移、域名更换和站点改版的情况时,推荐使用301返回码,尽量减少改版带来的流量损失.虽然百度spider 现在对301跳转的响应周期较长,但是我们还是推荐大家这么做.