如何避免大量重復URL被百度收錄

很多同學會有這樣的疑惑，索引量工具顯示索引量數值很高但流量總也上不去，也沒有發現我們站內有低質內容，百度這是要鬧哪樣？下面我們就分析下如何避免大量URL重復收錄：

首先聲明，我們只談論有檢索意義的URL，也就是用戶會從搜索引擎查找的頁面。其他頁面按照常用的方法做屏蔽就好了。鑒于很多站長都愛討論整體的收錄量，我必須潑一下冷水，也許你的有效收錄是1/10。

URL參數

也叫URL query，是一個最復雜，最容易被忽視，最容易被妥協的問題。他是網站運營中必不可少的元素，如果簡單的去除，其他部門就無法工作了。 靜態化是的話題，URL參數經常被用于以下幾方面：

同一個實體的不同狀態展示，比如同一個酒店，在不同時間點會有不同的房間庫存：http://www.travel.com/hotel/123/?checkindate=2015-06-09&checkoutdate=2015-06-10

為了統計不同渠道的流量：http://www.a.com/?tracking=website_a

為了統計不同渠道，具體模塊的點擊量：http://www.a.com/?tracking=website_a&click_spot=zone_abc

調試：http://www.a.com/product/item123/?debug=true

全世界最奇葩的是亞馬遜，居然把統計參數放到了路徑中http://www.amazon.cn/abc/dp/B005TZHJEQ/ref=lp_2130608051_1_1

出現這種問題的壞處有幾點:

1.浪費搜索引擎對你網站的各項配額，從而影響其他正常的頁面。

2.丟失很多本應拿到的鏈接加分，站外渠道的鏈接往往是最優質的。同一個URL的分值可能分散成幾十份。

3.SEO的流量被統計到別的渠道(因為tracking字段寫的是別的渠道，而且被收錄被點擊)

4.往往形成一種局面，產品用一套URL，SEO用另一套URL， 甚至不同渠道用不同的URL，后期開發和維護的成本極高。

為了解決這個問題，首先要弄清URL的定義。以我的理解，每一個URL是一個靜態的、獨立不重復的、有意義的實體，一般也有檢索意義(就是有人會搜)。比如一個人、一輛車、一條道路、一個零件。而不能混入各種"狀態"，比如這個人生病的時候，難道就不是他自己了么? 一件商品在促銷的狀態難道是另一件商品了么?

理論上canonical標簽就可以解決這個問題了， 但是從實際測試結果看，百度對這個標簽的支持優先級非常低， 幾乎可以忽略不計。那么我的解決方案是這樣的:

1.建立好網站的思維導圖和元信息。 (可參考：SEO健康度 )

2.所有和SEO元信息相關的參數都放到路徑中去

3.所有和SEO元信息不相干的參數都放到#后邊，因為#后邊不影響web服務器返回的內容。簡單的說就是用"#"替代"?"。

4.每個頁面中都利用js獲取#后邊的參數對，通過二次請求發回給統計服務器

5.如果#后邊的參數影響頁面內容，比如酒店的入住日期。那么這部分內容用ajax加載就行，他是不穩定的，不屬于頁面內容的一部分。(當然還有變通的辦法，暫不贅述。)

6.原始的#錨點定義肯定會沖突，定義一個#后邊的變量，并用js控制屏幕滾動，來保證原始錨點的作用。

有人可能會想到，根據ua判斷，如果是搜索引擎爬蟲，就用跳轉的方式去掉URL參數。但效率最高的方法必然是從一開始就不展示錯誤URL。那么前面的例子優化后就變成了:

http://www.travel.com/hotel/123/#checkindate=2015-06-09&checkoutdate=2015-06-10

http://www.a.com/#tracking=website_a

http://www.a.com/#tracking=website_a&click_spot=zone_abc

http://www.a.com/product/item123/#debug=true

其實很多網站早就使用這種方式了，但是還有很多網站由于開發效率無法及時實現。所以對于一般的小網站，一定要考慮開發成本，不要輕易冒進。只要能避免問題的發生，變通的方法是很多的。

路徑中使用非必要元素

很多網站仿照亞馬遜的做法，把商品名體現在URL中，然后再通過id來決定頁面展示的內容:http://www.amazon.cn/博集典藏館043?基督山伯爵-亞歷山大?仲馬/dp/B005TZHJEQ/

這樣雖然可以提高一些相關性，但是很危險。在長期甚至短期的時間內，大量商品的名稱是非常可能有變化的，那么URL也就跟著變化。成本也是非常高的，因為加大了技術實現難度，不管從站內還是站外，每次增加鏈接都是一個很麻煩的事情。

在我接手藝龍SEO之前，URL被全部改成了這樣，對我早期的工作造成了非常巨大的負擔:http://www.a.com/Shangrila_International_Hotel-12345678-hotel/

通過日志分析發現基本所有的百度蜘蛛發起的請求都被301跳轉了一次(日志分析方法可參考SEO健康度 )。細致調查后發現，從SEO拼接規則到后臺的漢字和翻譯數據被一直修改。也就是說，這個URL相關的元素有:

1.中文 (非必要元素)

2.由中文翻譯的英文 (非必要元素）

3.id (必要元素)

而當時負責SEO的同事把英文和id拼接在了URL中，那么這樣一個URL先后變成過:

http://www.a.com/Shangrila_International_Hotel-12345678-hotel/

http://www.a.com/Xianggelila_International_Hotel-12345678-hotel/

http://www.a.com/XiangGeLiLa_International_Hotel-12345678-hotel/

http://www.a.com/Shangrila_guoji_Hotel-12345678-hotel/

跟"相關性"比，URL的唯一性和穩定性更重要。所以針對這個問題，URL的最佳策略應該是：http://www.a.com/hotel/12345678/

如果這個id是隸屬于一個分類下的，比如城市，那么就可以是：http://www.a.com/hotel/beijing/123/

從技術角度說， id一般是數據庫的primary key，可以是數字也可以是字符串，那么這個時候URL是一維的; id也可以是聯合的唯一索引，那么URL就是二維的，就像上面的(bejing，123)缺一不可。電商類網站列表頁經常用到三維以上。

大小寫

如果網站的技術架構用的是開源系統，一般是不會有這個問題的。如果使用了微軟的技術架構，這個問題非常常見：

http://www.a.com/newyork/

http://www.a.com/Newyork/

http://www.a.com/NewYork/

我的建議是統一使用小寫，大寫自動跳轉為小寫(小心301死循環!)。

目錄的規范

很多網站同時存在這樣的URL，無形中把收錄量擴大了一倍：

http://www.a.com/product/123

http://www.a.com/product/123/

上邊第一個路徑的意思是在product目錄下有一個123文件。第二個路徑的意思是在product目錄下有一個123目錄，這個目錄下可能有很多文件，但是他代表眾多文件中的index.html或index.php或default.aspx等優先級最高的那個文件。為了避免歧義，我定義文件都是用".html"結尾的。

為了減少重復收錄，那么按我的習慣是:

http://www.a.com/product/123  => http://www.a.com/product/123/

http://www.a.com/product/123  => http://www.a.com/product/123.html

總結

1.所有部門統一使用SEO定義的URL，屏蔽非SEO URL的入口。

2.用"#"替代"?"

3.統一使用小寫

4.保證目錄的規范

5.把不規范的URL跳轉到規范的URL