Monthly Archives: January 2007

SEO 作弊的常见方式

罗列下面的这些SEO作弊方式不是鼓励作弊,而是告诉你这些黑帽SEO的方法,已经被研究的很透了,如果你还以为这些是好的方法,或者以为这些方法可以提高你的网站排名,一定会受到搜索引擎的惩罚。

1. Cloaking 乔装
就是说当搜索引擎的蜘蛛来的时候显示的内容同普通用户访问时所看到的内容是不同的。
通过判断访问者的类型来实现。

2. IP Delivery 也是乔装的一种
通过已知搜索引擎的来访IP地址作为判断条件,实现乔装的功能。

3. Leader Pages
通过给不同的搜索引擎设计不同的导入页面来适应不同的算法,这也是SEO作弊的一种。

4. Mini-Site networks
这种方法是上面的一种扩展,首先有一个主要站点,提供必要的服务或者出售产品,然后针对不同的搜索引擎,以及不同的关键词,建立一些小的站点,通常每个这种站点的内容都是只针对一个关键词或者一个产品,然后把这些小站点都指向主要站点的相关页面,这样的站点群会发生合力的作用。
在2004年夏天,Google对此种作弊手法,进行了大面积的处理。

5. Link Farms 链接工厂
很多搜索引擎的站长指南都指出,每个页面的链接不要过多,最好不要超过100个。
而链接工厂做的就是大量的链接,而且是巨量的,为的就是传递Google PageRank。

6. Blog and/or Forum Spam
Blog和论坛的垃圾,包括留言和trackback,很多Blog已经有了相当高的PR值(而且Google给与独立Blog的PR值一向比较高),通常作弊者都是希望通过在那些高PR值的Blog上留下指向自己网站的链接,而获得PR值的传递效应。

7. Keyword Stuffing
关键词堆砌,实在是一个非常常见的作弊手法,当然现在也有一些改变,比如在图片的Alt属性里堆砌,或者是图片地图链接里堆砌等等。

8. Hidden Text 隐藏文字
这种传统做法,现在还有人在用,的确让人吃惊。
有的人是把文字的颜色搞得和背景一样;有的则是把文字放在图片层的后面。

9. Useless Meta Tags 无用的meta标签
很多搜索引擎开始降低了Meta标签的重要性,这也是对应这种传统作弊手法的方式。

10. Misuse of Directories 目录的滥用
目录的滥用主要是对于那些收费目录而言。这些手工管理的目录正在逐步的被搜索引擎抛弃。

11. Hidden Tags 隐藏的标签
那些隐藏标签也有被过度使用的现象,比如comment tags, style tags等。把关键词放在这些标签里就是SEO作弊者的常见做法。

12. 重复提交网站
有些不肖的SEO业者也会作些不必要的优化,只为了收取用户的不当费用,比如多次提交网站到搜索引擎或者目录。

13. Email Spam
通过Email来发布新的网站的消息,以获得流量的做法,已经受到唾弃,可是仍然是被广为使用。

14. Redirect Spam
通过重定向来欺骗搜索引擎,或者劫持流量,一般使用的方法是301,302以及402重定向,甚至是meta刷新和java script的重定向。

15. Misuse of Web 2.0 Formats
对于Web2.0形式的网站的利用,比如Wiki,社会化网络和社会化标签。
针对Wikipedia的spam也有一定的数量,有些tag标签网络也有被利用的危险。

其实还有一些其它的作弊样式,可是万变不离其宗,判断的标准很简单,就是看做的SEO目的是什么,你的做法可否明白的讲述出来。

Google 网站管理员指南

今天让我们研究一下Google对网站管理员的建议,逐一分析,也来看看其内涵的特别意思。

网站准备就绪后:

+将其他相关网站链接到您的网站上。
+将其提交给 Google,网址为:http://www.google.com/addurl.html。
+将 Sitemap 作为我们 Google Sitemaps(测试版)项目的一部分进行提交。Google Sitemaps 使用您的 Sitemap 了解您网站的结构并提高我们对您网页的利用率。
+确保应了解您网页的所有网站都知道您的网站已处于在线状态。
+将您的网站提交给相关的目录,例如,Open Directory Project 和 Yahoo!,以及其他特定行业的专业网站。

 

这里的先后顺序相信是Google有意安排的,并非排名不分先后。
当网站基本建立完成后,首先要有外部链接,就是需要有其他的网站,相关的网站,链接到你的网站,这是最重要的,也是首先要做的事情。接下来才谈得上其他的网站提交工作。
一个孤岛似的网站,很难要求Google去收录。
好了,现在有了几个外部链接,用你网站的名字,或者关键词链接到你的网站。
下面开始提交你的网站到Google。这一步重要性不再如以前那么重要了。
Sitemap是一个帮助Google蜘蛛来更好的遍历你的网站的工具,不要小看她,还是好好的做一个Sitemap文件,提交到Google Sitemaps.
第四条有点奇怪,我的理解就是重复第一点,加强外部相关网站到你的网站的链接。
最后一条,才是提交到目录,各种行业目录。

显然,Google更看重从相关网站所来的链接,从他重复了两遍,就可以看出其重要性。而从目录来的链接权重要小于前者,当然也很重要。

设计与内容指南

1. 网站应具有清晰的层次结构和文本链接。每个网页应至少可以通过一个静态文本链接打开。
2. 为用户提供一个网站地图,列出指向网站重要位置的链接。如果网站地图上的链接超过或大约为 100 个,则需要将网站地图拆分为多个网页。
3. 网站应具有实用性且信息丰富,网页文字应清晰、准确地表述要传达的内容。
4. 要考虑到用户会使用哪些字词来查找您的网页,确保网站上确实包含了这些文字。
5. 尽量使用文字而不是图像来显示重要的名称、内容或链接,因为 Google 抓取工具无法识别图像中所含的文字。
6. 确保 TITLE 和 ALT 标记具有说明性且表达精准无误。
7. 检查链接是否损坏,并确保 HTML 格式正确。
8. 如果采用动态网页(即网址中包含"?"字符),请注意并非每一个搜索引擎 Spider 都能像抓取静态网页一样抓取动态网页。动态网页有助于缩短参数长度并减少参数数目。
9. 将给定网页上的链接限制在合理的数量内(少于 100)。

 

1. Google对静态文本链接更为友好,所以不要为了花哨,而采用Flash链接。
2. 这个网站地图不同于上面的Google的sitemap,而是给用户看得,不是给Google蜘蛛,要注意区分。
3. 这里提到要文字内容丰富,所以能更好的让Google了解到其主题。
4. 这就是关键词,Google也希望关键词包含在内容里。
5. Google喜欢文字,这样才能识别,才能分析出其关键词。
6. Google特别把TITLE和ALT两个标签拿出来,告诉大家要设定特别的能够说明内容的文字,所以呢,每个页面都要指定一个独特的标题,不要100个页面全是用公司名字,那就浪费了这么好的位置了,对于ALT,特别是对于图片来得,指定这个值,可以让Google了解到这个图片是什么内容,帮助收录。
7. 这个是网站的可用性,如果Google发现你的页面有过多的死链接,他可能会认为你的网站已经很久没有人照料了,没有收录的价值。
8. 这句话就有点匪夷所思了,显然是Google做中文本地化的人员翻译有误。英文原文的意思是要缩短动态网页的参数长度,以及减少参数可以帮助Google收录。
希望大家在看Google的中文内容的时候,要小心,常常会出现中文翻译不知所云的现象。
9. 保持每个网页的链接数目不要超过100。

这里还是给出大家英文原文的链接 Webmaster Guidelines 如果有条件的话,还是要看原文。

现在我们来讲讲技术层面的东西。在这一部分,Google中文的内容简直是惨不忍睹,我还是链接英文原文,加上我的解释好了,至少看得懂。

Technical guidelines技术指南

大部分的搜索引擎蜘蛛拜访你的网站时候,如同一个文本浏览器,比如Lynx,你可以下载一个Lynx浏览器,看看你的网页在Google蜘蛛的眼中是什么样子。如果由于你使用了Javascript、Cookie、会话ID、框架等复杂的技术,造成在文本浏览器中看不到你希望的样子,那么,显然Google的蜘蛛也看不到。所以要避免这种状况出现。

在Google蜘蛛抓取你的网页的时候,要避免使用会话ID,session ID,这个东西会造成Google抓取网页不完全。

Update:10月25日,Google修改了这条,可以接受参数,尽量简短,不要超过两个,如果可以得话,还是用静态网址的好。

 

如果你的网站所在的WEB服务器支持if-Modified-Sice HTTP头,那么就打开它,可以告诉Google蜘蛛哪些网页是新的要抓取,那些是旧的不用抓取,这样可以节省你的带宽和服务器开销。

要设置好网站的robots.txt,这个文件是用来告诉搜索引擎的蜘蛛,那些目录可以抓取,那些不可以。要注意的是,确保该文件正确反映你的网站的现状,不要阻止蜘蛛抓取你想给它抓取得目录。你也可以在使用Google Sitemaps的工具来分析。

如果使用了内容管理系统CMS,那么也要确保其能正确导出内容,以便搜索引擎的蜘蛛可以抓取你的网站。

切勿使用"&id="作为网址的参数,因为Google不会在索引中包含这些网页。

从上面的六条内容来看,文本内容很重要,确保您的网站在文本浏览器的样子是你所期望的。
不要使用太多花哨的技术,这样不利于Google的收录。
而且会话ID是Google很不喜欢的。

质量指南
这个质量指南很重要,可是,Google简体中文的译本,再次让我失望,下面简短的两段话,有好几处误译,我都一一给与纠正了,同样,如果你需要看Google的所谓简体中文的内容,发现有不明白的地方,希望对照着他们的英文原文来看,或者对照繁体中文,繁体中文的译本还是比较准确的。

这些质量指南涵盖了最常见的作弊形式或操纵行为,对于未列出的其他误导行为(例如,通过注册知名网站的错拼形式来欺骗用户),Google 同样会予以拒绝。不要抱有侥幸心理,认为某种欺骗手段未在本页中列出,Google 就会认可该手段。作为网站管理员,与其花费大量时间寻找漏洞加以利用,不如尽其所能维护基本原则,以便为用户带来更好的体验,从而使网站获得更高的排名。如果您认为其他网站违反了Google 质量指南,请通过 http://www.google.com/contact/spamreport.html 举报该网站。Google 希望能开发出灵活的自动解决方案来解决上述问题,从而尽量避免来人工一一处理违禁行为。我们收到的举报,将用于创建灵活的算法以识别并阻止以后的其他类似欺诈企图。

质量指南 – 基本原则
1)面向用户来创建网页,而不是为了搜索引擎。如果同一个页面,显示给用户的和搜索引擎的内容不相同,这种欺诈手法称之为“伪装”。
2)要避免为了提高排名而采用一些诡计。一个简单的来判断是否诡计的方法是,您是否可以坦然地对竞争对手说出你的作为。或者您自问如果没有搜索引擎,您是否还会这样做。
当然我看来,这种问法有点问题,必要的针对搜索引擎的手段还是需要的,这种手段只是为了帮助搜索引擎能够更好的找到有用的内容,比如上面提到的Google Sitemaps。
3)很多时侯,需要外部的链接,如果这种链接,纯粹是为了提高排名或者PageRank,那么不会有好处,特别当你链接到一个受到Google处罚的网站时,后果会不好。
4) Google不鼓励大家使用自动提交的程序,当然手工做就没有问题。

质量指南 – 具体指南
这里Google明确列出了几项禁止的做法:
不要使用隐藏文本,隐藏链接,伪装,欺骗性的重定向。
不要向Google发送自动查询。
不要用不相干的词来载入网页。
不创建包含大量重复内容的多个网页,二级域名,或多个域名。
不要含有病毒,木马或者恶意程序。
不要采用针对搜索引擎的桥页。也不要采用哪些所谓联盟计划,因为其中没有多少原创内容,几乎都是复制内容。

Google网站管理员工具 Sitemaps使用指南

  Google Sitemaps是Google的一个和网站管理员相关的工具,有点象BLOG的RSS功能,是一个方便自己的服务,如果大家(互联网上所有的信息源)都采用了这种方式提交自己的更新的话,Google就再也不用派出那么多爬虫辛辛苦苦的到处乱窜了,任何一个站点,只要有更新,便会自动“通知”Google,方便Google进行索引。

  初步使用了一下Google Sitemaps,用法非常简单。

  首先在自己网站根目录上上建立一个名为GOOGLE11e5844324b7354e.html,文件本身可为空。然后在Google Sitemaps主页上单击验证按钮。Google会验证这一文件。如果验证通过,Google会显示一个已验证状态,并提供一个指向用户网站统计信息的链接。经过验证后,用户随时可以通过单击“网站概述”页上的链接来查看自己网站的统计信息。

  接下来,建立Sitemaps文件。Sitemaps文件是XML格式的,Google建议使用Sitemaps协议格式的文件。不过使用BLOG的RSS甚至纯文本文件也都可以。XML Sitemaps 格式其实也很简单,建议多花几分钟转换为XML Sitemaps 格式后再提交Google。Sitemaps协议是XML的变种,用于概括与Web抓取工具相关的Sitemaps信息。对于每个网址,都可以加入抓取“提示”(如最后修改日期和近似更改频率)。Sitemaps协议以 <urlset> 开始标记开始,以 </urlset> 结束标记结束。 每个网址包含一个作为父标记的 <url> 条目。 每一个 <url> 父标记包括一个 <loc> 子标记条目。<loc>是网页文件的网址。此网址应以http开始并少于2048个字符。 <lastmod>表示该文件上次修改的日期。此日期允许删除时间部分,例如YYYY-MM-DD。其他的可选项可以不加。

  最后,在Google Sitemaps的提交页面填写你生成的Sitemap地址(比如我的是http://www.zftown.com/sitemap.xml),并提交即可。

  过了几个小时后,再登录Google Sitemaps,可以看到功能菜单。

  Google Sitemaps还提供了Google Spider对用户网站访问情况的说明报告,如:查询统计信息、抓取统计信息、网页分析、索引统计信息等信息。“查询统计信息”中,有列出几个进入你网站的热门搜索关键字。在“抓取统计信息”中,可以看到Google Spider抓取网站的概要统计和抓取错误的地址。实现了网站主和Google Spider的信息交互。

  Google Sitemaps的访问地址是:http://www.google.com/webmasters/sitemaps/ 。

404错误的处理方式及对SEO的影响

在我们的网站建设中,时常会遇到需要网页重定向的情况:象网站调整,如改变网页目录结构,网页被移到一个新地址,再或者,网页扩展名改变,如因应用需要 把.php改成.Html或.shtml,在这种情况下,如果不做重定向,则用户收藏夹或搜索引擎数据库中旧地址只能让访问客户还会得到一个404页面错 误信息,访问流量白白丧失;再如某些注册了多个域名的网站,也需要通过重定向让访问这些域名的用户自动跳转到主站点,等等。

猎才网的404.html页面
http://www.liecai.com/404.html

与本文相关的Http状态码:
404:服务器找不到指定的资源,请求的网页不存在(譬如浏览器请求的网页被删除或者移位,但不排除日后该链接有效的可能性);
410:请求的网页不存在(注意:410表示永久性,而404表示临时性);
200:服务器成功返回请求的网页;
301:网址永久性重定向
302:网址临时性重定向
注意:大部分搜索引擎将“404”与“410”状态同等对待,如Google。(参见Matt Cutts的说明)

对HTTP404状态码的理解
HTTP 404 错误意味着链接指向的网页不存在,即原始网页的URL失效,这种情况经常会发生,很难避免,比如说:网页URL生成规则改变、网页文件更名或移动位置、导 入链接拼写错误等,导致原来的URL地址无法访问;当Web 服务器接到类似请求时,会返回一个404 状态码,告诉浏览器要请求的资源并不存在。但是,Web服务器默认的404错误页面,无论Apache还是IIS,均十分简陋、呆板且对用户不友好,无法 给用户提供必要的信息以获取更多线索,无疑这会造成用户的流失。
因此,很多网站均使用自定义404错误的方式以提供用户体验避免用户流失。一般而言,自定义404页面通用的做法是在页面中放置网站快速导航链接、搜索框以及网站提供的特色服务,这样可以有效的帮助用户访问站点并获取需要的信息。

HTTP404对SEO的影响
自定义404错误页面是提供用户体验的很好的做法,但在应用过程中往往并未注意到对搜索引擎的影响,譬如:错误的服务器端配置导致返回“200”状态 码或自定义404错误页面使用Meta Refresh导致返回“302”状态码。正确设置的自定义404错误页面,不仅应当能够正确地显示,同时,应该返回“404”错误代码,而不是 “200”或“302”。虽然对访问的用户而言,HTTP状态码究竟是“404”还是“200”来说并没有什么区别,但对搜索引擎而言,这则是相当重要 的。

(一)自定义404错误页返回“200”状态码
当搜索引擎蜘蛛在请求某个URL时得到“404”状态回应时,即知道该URL已经失效,便不再索引该网页,并向数据中心反馈将该URL表示的网页从索 引数据库中删除,当然,删除过程有可能需要很长时间;而当搜索引擎得到“200”状态回应时,则会认为该url是有效的,便会去索引,并会将其收录到索引 数据库,这样的结果便是这两个不同的url具有完全相同的内容:自定义404错误页面的内容,这会导致出现复制网页问题。对搜索引擎而言,特别是 Google,不但很难获得信任指数TrustRank,也会大大降低Google对网站质量的评定。(为什么会出现返回“200”状态码的情况??请参 看下面内容“自定义404错误页面的基本原则”)
我一直在使用Google Sitemap,当我们提交XML格式网站地图文件时,Google会验证我们的身份以确保是网站合法的管理者。验证方式有两种:上传指定名称的html 页到网站根目录或者在网页meta区域添加一个标识身份的meta标签。我通常是使用上传html网页的方式,但Google却提示我网站根目录下找不到 这个网页(实际上我已上传,并且通过浏览器可以访问),这是一个很可怕的问题,见图:

(二)自定义404错误页使用Meta Refresh返回“302”状态码
常常看到许多网站的自定义404错误页面采取类似这样的形式:首先显示一段错误信息,然后,通过Meta Refresh将页面跳转到网站首页、网页地图或其他类似页。根据具体实现方式不同,这类404页面可能返回“200”状态码,也可能返回“302”,但 不论哪种,从SEO技术角度看,均不是一种合适的选择。
对“200”状态的情况我们上面已经谈过,那么,当404页面返回“302”时,搜索引擎会怎么对待呢?从理论上说,对“302”错误,搜索引擎认为 该网页是存在的,只不过临时改变了地址,仍然会索引收录该页,这样,同样会出现类似于“200”状态码时的重复文本问题;其次,以google为代表的主 流搜索引擎对302重定向的适用范围要求越来越严格,这类不当使用302重定向的情况存在很大的风险。

确保自定义404错误页面能够返回“404”状态码
在自定义404错误页面设置完毕后,一定要检查一下其是不是能够正确地返回“404”状态码。可以使用Server Header检查工具,输入一个不存在网页的url,查看一下HTTP Header的返回情况,确信其返回的是“404 Not found”。

404错误的处理方式
(一)定制404错误页面的基本原则
首先应明确的是,404错误应工作在服务器级而不是网页级。对定制使用动态页面如PHP脚本类型的404页时,必须确保在PHP执行前服务器已经顺利 地送出“404”状态码,不然,一旦执行到了ISAPI级别,返回的状态码便只能是“200”或其他如“302”之类的重定向状态码了。
其次,在自定义网站的404错误页面时,对设置的错误页面URL链接应使用相对路径而不是绝对路径,而且自定义404页面应该放在网站根目录下。尽管 无效链接可能是多种形式的URL,但当发生404访问错误时,WEB服务器会自动将其转到自定义的当404错误页中,这跟URL的形似没有关系。

(二)Apache下设置404错误页面
为Apache Server设置 404错误页面的方法很简单,只需在.htaccess 文件中加入如下内容即可:

ErrorDocument 404 /notfound.php

注意:
1.切记不要将404错误转向到网站主页,否则可能会导致主页在搜索引擎中消失
2.切记不要使用绝对URL(例如:http://www.bloghuman.com/nofound.php形式),如果使用绝对URL返回的状态码是“302”+“200”(已测试)

(三)IIS/ASP.net下设置404错误页面

首先,修改应用程序根目录的设置,打开 “web.config” 文件编辑,在其中加入如下内容:

<configuration>
<system.web>
<customErrors mode=”On” defaultRedirect=”error.asp”>
<error statusCode=”404″ redirect=”notfound.asp” />
</customErrors>
</system.web>
</configuration>

注:上文例中“error.asp”为系统默认的404页面,“notfound.asp”为自定义的404页面,使用时请修改相应文件名。

然后,在自定义的404页面“notfound.asp”中加入:

<%
Response.Status = “404 Not Found”
%>

这样,便可以保证IIS能够正确地返回“404”状态码

(四)在IIS/ASP.net下设置404静态页面
设置静态404错误页面的方法则比较简单,在IIS管理器中右键单击要管理的网站,打开“属性”中的“自定义错误信息”页,为“404”设定相应的错误信 息页即可。不过,此处在“消息类型”中一定要选择“文件”或“默认值”,而不要选择“URL”,不然,将导致返回“200”状态码。

简单地缓存任何PHP程序输出的思路

简单地缓存任何PHP程序输出的思路

if  ( time ()    filemtime ( index.cache >   2   *   60 )     // 如果缓存文件为两分钟前更新,则重新生成缓存 
  @ ob_start ( output );         // 使用output函数捕捉正常输出并缓存 
else                // 否则直接输出缓存页面 

   @
ob_start ( ob_gzhandler ); 
  
readfile ( index.cache ); 
  
exit

function  output( $buffer

  
$scriptname   =   $_SERVER [ SCRIPT_FILENAME ]; 
  
if  ( $scriptname   ==   $scriptname   =   $_SERVER [ PATH_TRANSLATED ]; 
   @
chdir ( dirname ( $scriptname )); 

   if  ( $fp   =  @ fopen ( index.cache ,   w )) 
   { 
     @
flock ( $fp ,  LOCK_EX); 
     @
fwrite ( $fp ,   $buffer ); 
     @
fclose ( $fp ); 
   } 

   if  ( function_exists ( gzencode &&   ereg ( gzip ,   $_SERVER [ HTTP_ACCEPT_ENCODING ])) 
   { 
    
header ( " Content-Encoding: gzip " ); 
    
return  @ gzencode ( $buffer ,   9 ,  FORCE_GZIP); 
   } 
  
else  
    
return   $buffer

使用socket代替fopen直接读取的PHP函数

网络抓取,可以伪装来源和客户端,从而躲过一些站点的检查。

function get($url

$url = eregi_replace(^http://, , $url); 
$temp = explode(/, $url); 
$host = array_shift($temp); 
$path = /.implode(/, $temp); 
$temp = explode(:, $host); 
$host = $temp[0]; 
$port = isset($temp[1]) ? $temp[1: 80

$fp = @fsockopen($host, $port, &$errno, &$errstr, 30); 
if ($fp

@
fputs($fp, "GET $path HTTP/1.1"); 
@
fputs($fp, "Host: $host"); 
@
fputs($fp, "Accept: */*"); 
@
fputs($fp, "Referer: http://$host/"); 
@
fputs($fp, "User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1)"); 
@
fputs($fp, "Connection: Close"); 

$Content = 
while ($str = @fread($fp, 4096)) 
$Content .= $str
@
fclose($fp); 

return $Content

PHP 中文验证码

程序文件下载

几个GD函数堆砌出来的玩意,只要搞定怎样把中文写到图片上就可以了,因为GD函数只接受UTF8格式编码的文字,所以在写文字前首先要进行编码转换。PHP自带的iconv和mbstring库都可以完成这项工作,但一般的虚拟主机很少支持,所以要自己写个,像这里用gb2utf8完成这项工作。当然如果你的页面就是以UTF8格式存储的,就可以省去这些额外工作。
使用的时候直接用html语法:<img src=”cncode.php”>调用就可以了,在服务端做验证时取session存储的验证字符与用户提交的字符进行比较,相同则通过验证。
注:程序用到的simkai.ttf是windows中常见的楷体,当然你也可以换成别的字体,但一定要支持中文的;gb2312.txt是gb2312和utf8的编码对照表,可以。