怎樣減少無效URL的爬行和索引 無完美解決方案

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

少年老成的雲晨守望同學(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)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麼。

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並不能產生SEO作用 ，反倒有負面作用，所以這些URL不收錄為好，原因包括：

1.大量過濾條件頁面內容重複或極為類似(大量複製內容將使網站整體品質下降)

2.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)

3.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

4.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説明爬行和收錄)

5.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)

那麼怎樣儘量使這些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。 雲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，搜尋引擎現在都能爬行、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於收錄，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，又沒有什麼排名能力，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檔禁止爬行這些URL，所以接收的權重不能傳遞出去(搜尋引擎不爬行就不知道有什麼匯出連結)，頁面成為權重只進不出的黑洞。

連向這些URL的連結配合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連結上，所以權重同樣浪費了。 百度據稱支援nofollow，但權重怎麼處理未知。

將這些URL連結放在Flash、JS裡也沒有用，搜尋引擎已經可以爬行Flash、JS裡的連結，而且估計以後越來越擅長爬。 很多SEO忽略了的一點是，JS中的連結不僅能被爬，也能傳遞權重，和正常連接一樣。

也可以將過濾條件連結做成AJAX形式，使用者點擊後不會訪問一個新的URL，還是在原來URL上，URL後面加了#，不會被當成不同URL。 和JS問題一樣，搜尋引擎正在積極嘗試爬行、抓取AJAX裡的內容，這個方法也不保險。

還一個方法是在頁面head部分加noindex+follow標籤，意即本頁面不要索引，但跟蹤頁面上的連結。 這樣可以解決複製內容問題，也解決了權重黑洞問題(權重是可以隨著匯出連結傳到其它頁面的)，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(然後才能看到頁面html裡的noindex+follow標籤)， 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)，也就是用程式檢測訪問者，是搜尋引擎蜘蛛的話返回的頁面拿掉這些過濾條件連結，是使用者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。 搜尋引擎常跟SEO講的判斷是否作弊的最高原則是：如果沒有搜尋引擎，你會不會這麼做?或者說，某種方法是否只是為了搜尋引擎而採用?顯然，用cloaking隱藏不想被爬行的URL是為搜尋引擎做的，不是為使用者做的。 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標籤，最大問題是百度是否支援未知，而且canonical標籤是對搜尋引擎的建議，不是指令，也就是說這個標籤搜尋引擎可能不遵守，等於沒用。 另外，canonical標籤的本意是指定正常化網址，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，等於調用其它檔內容，對搜尋引擎來說，這部分內容不屬於當前頁面，也即隱藏了內容。 但不屬於當前頁面不等於不存在，搜尋引擎是可以發現iframe中的內容和連結的，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裡的連結不是從當前頁面分流權重，而只是從調用的那個檔分流，所以權重流失是比較少的。 除了排版、瀏覽器相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。 現在搜尋引擎一般不認為iframe是作弊，很多廣告就是放在iframe中，但隱藏一堆連結和隱藏廣告有些微妙的區別。 回到搜尋引擎判斷作弊的總原則上，很難說這不是專門為搜尋引擎做的。 記得Matt Cutts說過，Google以後可能改變處理iframe的方式，他們還是希望在同一個頁面上看到普通使用者能看到的所有內容。

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，採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。 以後再討論。

作者：Zac@SEO每天一貼

版權所有。 轉載時必須以連結形式注明作者和原始出處及本聲明。

原文：HTTP://www.seozac.com/seo-tips/duplicate-urls-content/