長(zhǎng)期以來(lái)，站長(zhǎng)們選擇使用JavaScript來(lái)實(shí)現(xiàn)網(wǎng)頁(yè)的動(dòng)態(tài)行為，這樣做的原因是多種多樣的，如加快頁(yè)面的響應(yīng)速度、降低網(wǎng)站流量、隱藏鏈接或者嵌入廣告等。由于早期的搜索引擎沒有相應(yīng)的處理能力，導(dǎo)致在索引這類網(wǎng)頁(yè)上往往出現(xiàn)問(wèn)題，可能無(wú)法收錄有價(jià)值的資源，也可能出現(xiàn)作弊。

引入JavaScript解析的目的，正是為了解決上述兩方面的問(wèn)題，其結(jié)果也就是使搜索引擎可以更為清晰的了解用戶實(shí)際打開該網(wǎng)頁(yè)時(shí)看到的效果。比如有些網(wǎng)站會(huì)將用戶評(píng)論、評(píng)分等信息從網(wǎng)頁(yè)HTML中抽離，利用JavaScript甚至AJAX等方法在頁(yè)面被打開的時(shí)候動(dòng)態(tài)顯示出來(lái)，早期的搜索引擎此時(shí)能處理到的頁(yè)面內(nèi)容就是缺失的，由此會(huì)進(jìn)一步影響對(duì)該頁(yè)面索引價(jià)值的判斷。

要引入JavaScript解析，需要考慮本身的設(shè)計(jì)與實(shí)現(xiàn)、解析速度和對(duì)系統(tǒng)其它方面影響等因素，本文通過(guò)一些典型的案例來(lái)分析如何設(shè)計(jì)并實(shí)現(xiàn)一套網(wǎng)頁(yè)JavaScript解析系統(tǒng)，并簡(jiǎn)要介紹這樣的系統(tǒng)對(duì)于搜索引擎其它部分的作用和影響。

一、發(fā)現(xiàn)頁(yè)面鏈接

一般來(lái)說(shuō)，頁(yè)面鏈接都是以HTML中的A標(biāo)簽形式存在，鏈接URL標(biāo)記在href屬性中，但實(shí)際存在著一些網(wǎng)站會(huì)選擇更為“動(dòng)態(tài)”的方式，較為常見的方式有兩種：一種是動(dòng)態(tài)寫入或調(diào)整A標(biāo)簽，另一種是在用戶點(diǎn)擊的時(shí)候觸發(fā)事件改變默認(rèn)的鏈接打開方式。

1. 動(dòng)態(tài)寫入或調(diào)整鏈接標(biāo)簽

抽象的說(shuō)，網(wǎng)頁(yè)要實(shí)現(xiàn)這樣的效果，乃至后文描述的其它效果，與把大象放入冰箱極為類似，分為三步：找到要寫入/修改的目標(biāo)（找到大象），準(zhǔn)備好要寫入/修改的內(nèi)容（打開冰箱門），執(zhí)行寫入/修改（把它放進(jìn)去）。

這三步操作映射到JavaScript上，就是先后調(diào)用三組標(biāo)準(zhǔn)的瀏覽器功能函數(shù)：頁(yè)面元素定位、數(shù)據(jù)準(zhǔn)備以及頁(yè)面修改。那么，JavaScript解析的工作就是同樣提供出這樣的函數(shù)，隨著被站長(zhǎng)的JavaScript代碼調(diào)用自然的發(fā)現(xiàn)相應(yīng)的內(nèi)容和行為。

分析至此，所需實(shí)現(xiàn)的函數(shù)也就基本確定了，其中較為簡(jiǎn)單的包括：

document.getElementById // 定位

document.getElementsByTagName // 定位

document.getElementsByClassName // 定位

node.[firstChild/nextSibling/previousSibling/parentNode] // 定位

document.[createElement/createTextNode] // 創(chuàng)建鏈接

node.[appendChild/insertBefore/innerHTML=?] // 寫入內(nèi)容

element.getAttribute， element.setAttribute // 設(shè)置屬性

element.href = ? // 設(shè)置屬性

至于要寫入的內(nèi)容，可能是以數(shù)組等形式保存在JavaScript種，也可能是使用AJAX動(dòng)態(tài)加載。前者屬于JavaScript語(yǔ)言的內(nèi)置功能，此處不再?gòu)?fù)述；后者是一個(gè)單獨(dú)的話題，會(huì)在后文專門討論。

2. 點(diǎn)擊時(shí)觸發(fā)事件改變默認(rèn)的鏈接打開方式

頁(yè)面這樣做的原因不一，有的是為了隱藏鏈接，有的是為了實(shí)現(xiàn)彈出窗口，有的則是為了程序拼接URL，還有的是做檢查看是否應(yīng)該打開鏈接等等。但所有這些原因都對(duì)應(yīng)著同樣的實(shí)現(xiàn)方法：添加click事件。

添加click事件的方法有三種：

1.將A標(biāo)簽的href屬性設(shè)置為“javascript:func(…)”的形式

2.設(shè)置A標(biāo)簽的onclick屬性，設(shè)置為onclick=”js_code” 的形式

3.調(diào)用事件綁定函數(shù)，如my_link_node.addEventListener('click', func, false)

支持這三種方法本身是較為簡(jiǎn)單的，需要注意的地方在于如何觸發(fā)這樣的click事件，以及如何在觸發(fā)之后截獲目的URL。

對(duì)于觸發(fā)事件而言，首先需要收集到所有可能的click事件，而后再依次觸發(fā)。但對(duì)于每一個(gè)要觸發(fā)的click而言，實(shí)際觸發(fā)之前必須先檢查其是否還存在，這是由于在其之前的click事件很可能已經(jīng)把當(dāng)前這個(gè)click刪除掉了。

要做到截獲URL，首先要實(shí)現(xiàn)相關(guān)的頁(yè)面跳轉(zhuǎn)函數(shù)，既location.href = ?，window.open等。而后通過(guò)設(shè)置一系列標(biāo)志，將本次點(diǎn)擊和頁(yè)面跳轉(zhuǎn)關(guān)連起來(lái)，如此也就得到了目標(biāo)URL。

二、動(dòng)態(tài)頁(yè)面內(nèi)容

頁(yè)面動(dòng)態(tài)內(nèi)容是一種提升頁(yè)面加載速度、增強(qiáng)網(wǎng)站技術(shù)靈活性的手段，可以將那些會(huì)改變的內(nèi)容（如評(píng)論、評(píng)分等）抽離，使頁(yè)面分為靜態(tài)和動(dòng)態(tài)兩部分：靜態(tài)內(nèi)容可以使用緩存等方法加快頁(yè)面顯示速度、降低網(wǎng)站流量；動(dòng)態(tài)內(nèi)容則有格式簡(jiǎn)單好生成的優(yōu)勢(shì)，同時(shí)也能節(jié)省流量。

另一方面，動(dòng)態(tài)內(nèi)容也是加載廣告和內(nèi)容作弊的重要方法，最常見的就是寫入iframe，這對(duì)于早期搜索引擎而言有極大的隱蔽性。

在技術(shù)層次上，動(dòng)態(tài)頁(yè)面內(nèi)容所需要的工作與上一節(jié)“動(dòng)態(tài)寫入或調(diào)整A標(biāo)簽”在很大程度上是相同的，這里需要增加的是經(jīng)典的“document.write”方法。

該方法是最早的JavaScript功能之一，用于向頁(yè)面直接寫入一段HTML代碼，至今仍在廣泛使用。對(duì)于該方法，早期的搜索引擎都有所支持，但方法基本限于字符匹配，僅能支持最直接的寫入一個(gè)JavaScript字符串的方式，對(duì)于稍微復(fù)雜的文本拼接顯得無(wú)能為力。但對(duì)于JavaScript解析而言，這段代碼終究是要符合語(yǔ)言規(guī)范的，因此就能做到完整支持，處理文本拼接、條件判斷和混淆代碼等各種情況。

這里還需要討論的一點(diǎn)是嵌套的document.write，也就是通過(guò)document.write寫入一個(gè)SCRIPT標(biāo)簽，該標(biāo)簽內(nèi)部是另一段document.write。這類問(wèn)題在跳轉(zhuǎn)作弊頁(yè)面中屢見不鮮，對(duì)其支持就不只需要JavaScript解析，還需要HTML解析器能夠支持處理嵌套的HTML寫入功能，這里就不加以分析了。

通過(guò)上述方法，無(wú)論是網(wǎng)頁(yè)的主體信息，還是廣告或其它輔助信息，都會(huì)被暴露出來(lái)，從而更好的理解站長(zhǎng)意圖。

三、網(wǎng)頁(yè)跳轉(zhuǎn)

網(wǎng)頁(yè)跳轉(zhuǎn)在有些情況下是達(dá)到頁(yè)面效果的必要選擇，但同樣會(huì)用于作弊。在技術(shù)上，多以下面兩種方式出現(xiàn)：

1.直接調(diào)用頁(yè)面跳轉(zhuǎn)函數(shù)

2.針對(duì)搜索引擎的UA、referer等調(diào)用頁(yè)面跳轉(zhuǎn)函數(shù)

這里要實(shí)現(xiàn)識(shí)別，最核心的就是實(shí)現(xiàn)頁(yè)面跳轉(zhuǎn)函數(shù)：location對(duì)象。由于這是技術(shù)上唯一的JavaScript跳轉(zhuǎn)函數(shù)，所以無(wú)論頁(yè)面的JavaScript如何撰寫如何混淆，最終都會(huì)調(diào)用該函數(shù)。因此，盡管不同頁(yè)面的跳轉(zhuǎn)代碼看上去五花八門，但識(shí)別出來(lái)卻是簡(jiǎn)單的。

四、關(guān)于AJAX

AJAX是極為常見的網(wǎng)頁(yè)技術(shù)，根本上說(shuō)就是在網(wǎng)頁(yè)顯示期間，動(dòng)態(tài)的從互聯(lián)網(wǎng)上獲取一段數(shù)據(jù)（可能是HTML也可能是其它），經(jīng)過(guò)處理后加以顯示。

對(duì)于該技術(shù)，根本的工作并不在于XMLHttpRequest對(duì)象的實(shí)現(xiàn)，而是在于對(duì)搜索引擎爬蟲架構(gòu)的影響。眾所周知，爬蟲抓取頁(yè)面，遍歷其鏈接，再依次抓取的形式設(shè)計(jì)的，其工作主要集中在調(diào)度和控制抓取壓力上，抓取器本身較為簡(jiǎn)單，通常不具備抓取后即時(shí)執(zhí)行JavaScript并抓取AJAX數(shù)據(jù)的能力，因此需要技術(shù)升級(jí)方可支持AJAX。

對(duì)抓取器的分析超出了本文的范圍，有興趣的讀者可以查看其它相關(guān)文獻(xiàn)。

總結(jié)

通過(guò)前面的案例分析，我們總結(jié)出了實(shí)現(xiàn)JavaScript解析所需要的基本工作，此外再增加一定的基礎(chǔ)性建設(shè)就能構(gòu)成一套較為完整的系統(tǒng)了。這里我們?cè)俅握�理一下，將其分為三個(gè)部分：

1. 在HTML解析器中嵌入JavaScript語(yǔ)言引擎，語(yǔ)言引擎可以選擇V8、SpiderMonkey等成熟的開源方案。

2. 實(shí)現(xiàn)所需的功能函數(shù)，具體可參考W3C的相關(guān)HTML和DOM規(guī)范。

3. 作為一個(gè)直接推論，需要收錄所謂的.js文件，這是JavaScript解析所需要“解析”的源代碼。

本文中介紹的功能僅是一部分較為常見的JavaScript功能，要讓搜素引擎真正看到實(shí)際的頁(yè)面還需要進(jìn)一步實(shí)現(xiàn)其它需要的功能，此外還需要配合對(duì)HTML、CSS、圖片等資源的支持。

最后，對(duì)于希望使用JavaScript的站長(zhǎng)來(lái)說(shuō)，本文給出如下建議：

1. 不要使用過(guò)于復(fù)雜的JavaScript技術(shù)，這不利于搜索引擎的收錄

2. 不要阻止對(duì).js文件的收錄，否則會(huì)限制JavaScript解析的能力

3. 合理的劃分站點(diǎn)的靜態(tài)部分和動(dòng)態(tài)部分

by Lileding

文章來(lái)源：百度搜索研發(fā)部官方博客

標(biāo)簽： JavaScript 搜索引擎優(yōu)化 頁(yè)面鏈接優(yōu)化 

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。