如何避免蜘蛛陷阱

摘要：有一些网站设计技术对搜索引擎来说很不友好，不利于蜘蛛爬行和抓取，这些技术被称为蜘蛛陷阱。常见的应该全力避免的蜘蛛陷阱包括如下这些。 有一些网站设计技术对搜索引擎来说很不友好，不利于蜘蛛爬行和抓取，这些技术被称为蜘蛛陷阱。常见的应该全力避免的蜘蛛陷阱包括如下这些。



1、Flash

在网页的某一小部分使用Flash增强视觉效果是很正常的，比如用Flash做成的广告图标等。这种小Flash和图片是一样的，只是HTML代码中的很小一部分，页面上还有其他以文字为主的内容，所以对搜索引擎抓取和收录没有影响。

但是有的网站整个*页就是一个大的Flash文件，这就构成了蜘蛛陷阱。搜索引擎抓取的HTML代码只有一个连向Flash文件的链接，没有其他文字内容。读者可以参考前面例子的源代码，搜索引擎是无法读取Flash文件中的文字内容和链接的。这种网站整个就是一个Flash的网站，可能视觉效果做得精彩异常，可惜搜索引擎看不到，不能索引出任何文字信息，也就无从判断相关性。

有的网站喜欢在*页放一个Flash动画片头(FlashIntro)，用户访问网站看完片头后被转向到真正的HTML版本的文字网站*页，搜索引擎不能读取Flash，一般也没办法从FlashIntro跟踪到HTML版本页面。

近几年搜索引擎不停尝试读取Flash文件，尤其是里面的文字内容和链接，也取得了一定进展.站长可以使用SWFObject和sIFR等技术使Flash文件更易于被搜索引擎读取不过我的观点是，与其费劲去研究怎么让搜索引擎读取Flash文件，不如裝成普通的HTML版本的网站，如果你的网站除了Flash外不足以展現公司实力，那么你的公司应该是世界500强级别的.SEO就不重要了。

整个网站就是一个大Flash文件，从SEO角度来说是万万不可的。如果Flash效果是必需的，至少也需要在*页加上一个通往HTML版本的链接，这个链接应该是在Flash文件之外的HTML代码中，搜索引擎跟踪这个链接可以抓取后面的HTML版本页面。

2、SessionID

有些网站使用SessionID〔会话ID)跟踪用户访问，每个用户访问网站时都会生成独特唯一的SessionID，加在URL中，搜索引擎蜘蛛的每一次访问也会被当成一个新的用户，URL中会加上一个不同的SessionID，这样搜索引擎蜘蛛每次来访问时所得到同一个页面的URL将不一样，后面带着一个不一样的SessionID.这也是更常见的蜘蛛陷阱之一。

搜索引擎遇到这种长长的SessionID，会尝试判断字符串是SessionID还是正常参数.成功判断出SessionID就可以去掉SessionID，收录正常URL.但也经常判断不出来，要么不愿意收录，要么收录多个册有不同SessionID的URL，内容却完全一样，形成大量复制内容，这两种情况对网站优化都不利。

通常建议跟踪用户访问应该使用cookies而不要生成SessionID，或者程序判断访问者是搜索引擎蜘蛛还是普通用户，如果是搜索引擎蜘蛛，则不生成SessionID，跟踪搜索引擎蜘蛛访问是没什么意义的，蜘蛛既不会填表，也不会把商品放入购物车。

3、各种跳转

除了后面会介绍的301转向以外，搜索引擎对其他形式的跳转都比较敏感，如302跳转.JavaScript跳转、Flash跳转、MetaRefresh跳转。

有些网站用户访问*页时会被自动转向到某个目录下的页面，如果是按用户地理位置转向至更适合的目录，那倒情有可原，但大部分这种*页转向看不出任何理由和目的，这样的转向能避免则避免。

如果必须转向，301转向是搜索引擎推荐的、用于网址更改的转向，可以把页面权重从旧网址转移到新网址。其他转向方式都对蜘蛛爬行不利，原因在于后面作弊一章所要介绍的，黑帽SEO经常使用转向欺骗搜索引擎和用户，所以除非万不得已，尽量不要使用301转向以外的跳转。

4、框架结构

如果作为站长的你不知道什么是框架结构(Frame)，那么恭喜你，你已经避免了这个蜘蛛陷阱，根本没必要知道什么是框架结构，如果你在网站设计中还在使用框架结构，我的建议是立即取消。

使用框架结构设计页面，在网站诞生初期曾经挺流行，因为对网站的页面更新维护有一定方便性，不过现在的网站已经很少使用框架了，不利于搜索引擎抓取是框架越来越不流行的重要原因之一。对搜索引擎来说，访问一个使用框架的网址所抓取的HTML只包含调用其他HTML文件的代码，并不包含任何文字信息，搜索引擎根本无法判断这个网址的内容是什么，虽然蜘蛛可以跟踪框架中所调用的其他HTML文件，但是这些文件经常是不完整的页面，比如没有导航只是正文，搜索引擎也无法判断框架中的页面内容应该属于主框架，还是属于框架调用的文件。

总之，如果你的网站还在使用框架，或者你的老板要使用框架结构，唯一要记住的是，忘记使用框架这回事。和Flash一样，别浪费时间研究怎么让搜索引擎收录框架结枃网站。

5、动态URL

动态URL指的是数据库驱动的网站所生成的、带有问号、等号及参数的网址，一般来说动态URL不利于搜索引擎蜘蛛爬行，应该尽量避免。

6、JavaScript链接

由于JavaScript可以创造出很多吸引人的视觉效果，有些网站喜欢使用JavaScript脚本生成导航系统，这也是比较严重的蛛蛛陷阱之一，虽然搜索引擎都在尝试解析s脚本不过我们不能寄希望于搜索引擎自己去克服困难，而要让搜索引擎跟踪爬行链接的工作尽一量简单容易。

据我观察，虽然有的搜索引擎在技术上可以获得JavaScript脚本中包含的链接，甚至可以执行脚本并跟踪链接，但对一些权重比较低的网站，搜索引擎觉得没有必要，不会费那个劲，所以网站上的链接必须使用更简单标准的HTML链接，尤其是导航系统用css做导航系统一样可以实现很多视觉效果。

JavaScript链接在SEO中也有特殊用途，那就是站长不希望被收录的页面(比如没有排名意义的页面，重复内容页面等)，不希望彻底权重的链接，可以使用JavaScript脚本阻挡搜索引擎爬行。

7、要求登录

有些网站内容放在需要用户登录之后才能看到的会员区域，这部份内容搜索引擎无法看到，蜘蛛不能填写用户名、密码，也不会注册。

8、强制使用Cookies

有些网站为了实现某种功能，如记住用户登录信息、跟踪用户访问路径等，强制用户使用Cookies，用户浏览器如果没有启用Cookies，页面显示不正常.搜索引擎蜘蛛就相当于一个禁用了Cookies的浏览器，芜湖网站设计强制使用Cookies只能造成搜索引擎蜘蛛无法正常访问。