中国的博客,走近我们的产品、技术和文化
Google 中国的博客,走近我们的产品、技术和文化
GET,POST以及安全获取更多网络信息
2011年12月9日
发表者:Pawel Aleksander Fedorynski 索引团队软件工程师;Maile Ohye 开发人员项目技术指导
原文:
GET POST and safely surfacing more of the web
转载自:
谷歌中文网站管理员博客
发布时间:2011年12月9日 上午 11:14:00
随着网络的发展,谷歌的抓取和索引能力也需要与时俱进。我们
改善了flash索引
,建立了一个更加强大的
Caffeine系统
, 我们甚至绘制了抓取表单。现在,特别当JavaScript和AJAX日渐普及后,我们发现越来越多的网页需要POST请求——因为网页的全部内容或因为有些网页信息缺失以及/或者POST无法返回资源而使网页无法显示。对于谷歌搜索来说,出现这一现象并不理想,因为如果我们没有正确地搜寻和索引内容,便无法呈现最全面、准确的结果。
通常情况下,我们建议使用
GET
来抓取网页所需资源,这是至今为止我们找到的最好的抓取方法。我们做过一些实验,将POST请求重新写入GET,在某些情形下,这是一种有效策略。一般说来,网络服务器从GET和POST返回的结果是完全不同的。另外,使用POST还有一些合理的原因(比如使用过程中,比起GET,在POST请求中可以附加的数据更多)。因此,虽然GET请求仍然更普遍,但为了从网页上获取更多内容,Googlebot会执行POST请求,因为我们认为它既安全又合适。
为了避免在网站上执行任务而导致用户任何意想不到的操作,我们采取了一定的措施。POST主要是用来抓取与网页自动请求相关的资源,模仿一个普通用户在浏览器中打开网址所看到的内容。随着时间推移,我们会逐步发现更好的模式,但目前我们还是用这一方法。
下面我们来看一些POST请求脚本,来说明我们如何随着网络的发展而改进信息抓取和索引功能的。
Googlebot的POST请求范例
通过POST重新定位抓取一个网页信息
通过POST XMLHttp请求抓取一条资源
在这个逐步进行的例子中,我们按照page renders产生的自动XMLHttp请求,既改善了页面索引又改善了其即时预览效果。
1. 谷歌抓取到网址,yummy-sundae.html.
2. 谷歌开始索引yummy-sundae.html,在此过程中,尝试渲染页面以便更好地理解内容以及/或者产生即时预览。
3. 在渲染过程中,yummy-sundae.html使用POST方法,自动发送一条XMLHttp请求资源,hot-fudge-info.html.
4. 通过POST请求得到的网址 hot-fudge-info.html,和其数据负载一起添加到Googlebot的抓取队列里。
5. Googlebot执行一个POST请求抓取hot-fudge-info.html网页信息。
6. 现在谷歌准确地呈现出一个可供即时预览的yummy-sundae.html网址。在某些情形下,我们还可以将 hot-fudge-info.htm网址内容合并在 yummy-sundae.html网址中。
7. 谷歌完成yummy-sundae.html网址的索引。
8. 用户搜索 [hot fudge sundae]。
9. 现在谷歌算法能够更好地确定yummy-sundae.html与此请求的相关度,我们能够恰当地呈现网页快照来提供即时预览。
提高您网站的抓取和索引能力
在我们的
网站站长工具帮助
可以找到建立可抓取网页的常规建议。对于那些想帮助谷歌抓取和索引他们的网站内容以及/或者产生即时预览的网络管理员,以下建议可供参考:
要获取资源,首选GET,除非有特殊原因需要使用POST。
确保我们可以抓取所需资源来渲染你的页面。在上面的例子中,如果hot-fudge-info.html无法获得
robots.txt
的允许,Googlebot便不能获取资源。更微妙的是,如果发出XMLHttp请求的JavaScript代码位于外部.js文件,无法获得robots.txt的允许,我们便不能看到 yummy-sundae.html 和hot-fudge-info.html两个网址的关联,所以即使hot-fudge-info.html网址本身不能获得允许,对我们也没有多大帮助。我们在纷繁的网络中甚至见到过更加复杂的相关性链接,允许Googlebot收集所有需要的信息有助于谷歌更好地理解您的网站。
您可以通过
网站管理员工具
“实验室 ->
即时预览
.”来检测资源是否被锁定。
确保返回给Googlebot的内容和返回到用户浏览器的内容相同。
隐藏真实内容
(发给Googlebot的内容与发给用户的不同)违反了
网站站长指南
,因为,这会使我们向搜索者提供一个无关结果——用户在浏览器中看到的内容很可能与我们抓取和索引的内容完全不符。我们看到过许多POST请求的案例,网站管理员并无恶意的隐藏真实内容(这仍然是违反条例的),哪怕是最微小的改变,都会引起JavaScript错误,阻碍精确索引,且完全违背了最初隐藏真实内容的初衷。总的来说,如果你想让你的网站能够顺利索引,最好避免这种会引起麻烦的隐藏行为。
为了核实你没有不经意地隐藏真实内容,你可以使用网站管理员工具中的
即时预览
,或者在浏览器中将你的用户-代理字符串设置成如下:
Mozilla/5.0 (compatible; Googlebot/2.1;
+http://www.google.com/bot.html)
如此改动后,网页应该没有任何变化。如果你看到一个空白页,JavaScript错误,或者如果页面有一部分消失或者出现变化,就存在问题了。
切记将重要内容(比如你要索引的内容)记录在文本中,在页面上能一眼看到,不需要用户操作就能显示。大部分搜索引擎都是基于文本的,这样与基于文本的页面内容配合都能起到最好的效果。虽然我们一直在改进对各种格式的内容进行抓取和索引的能力,但是对于重要的信息来说,最好还是使用文本格式。
控制你的内容
如果你想要阻止网页内容被谷歌网络搜索抓取或索引到,最好的办法是用传统的
robots.txt
文件指令。
未来趋势
我们将继续努力,使我们的检索更加全面,以便搜索者能查到更多相关信息。我们希望我们的收集和检索能力随着时间逐步提高,如同网络本身在不断提高一样。如有疑问或问题,请与我们联系。
標籤
编程之夏,UR
创新
创意改善社会 公益温暖中国
促进智能能源利用
大学
谷歌翻译,即时相机翻译,Instant Camera Translation
谷歌十周年系列
谷歌艺术与文化
观妙中国,Shadow Art,智玩皮影
广告
广告安全
互联网,Internet
科技
女性开发者
社会
视频广告
数据中心
数字营销
搜索
网站管理员
文化研究所
艺术计划
音乐搜索
愚人节
增强型广告系列
智能隐形眼镜项目
中小企业
adexchange
Admob
admob sdk
Ads
Adsense
AdWords
android
android m
Android应用开发中国大学生挑战赛
App Inventor
Calendar
cardboard
CES
Chrome
Chrome Web Store
Chrome,Chrome实验
Chrome实验
CI
Code Jam
corporate
Creative
Cross-device
Cultural Institute
culture
Data Center
DevArt
Developer
display
diversity
Doodle
DoubleClick
G+
G2G,Culture
GA&C
gaming
Global Impact Awards
Gmail
Gogle科学挑战赛
Good to Know
Google Ads
Google AdWords
Google Analytics
Google Art Project
Google Arts & Culture
Google Code-in竞赛
Google Demo Day Asia
Google Docs
Google Doodle
Google Drive
Google Drive 云端硬盘
Google Fiber
Google Font
Google for Startups
Google Green
Google I/O
Google Image Search
Google Keep
Google partners
Google Play
Google Science Fair
Google Search
Google Top Contributor Summit
Google Translate
Google Trend
Google Trends
Google Zeitgeist 2012
Google安全系统
Google博士生奖研金
Google翻译
Google奖学金
Google杰出贡献者峰会
Google科学挑战赛
Google网站管理员
Google网站管理员,Webmaster
Google文化研究所
Google在线营销挑战赛
Google中国教育高峰会
IME 输入法
Innovation
Made with Code
maps
mobile ads
mobile ads sdk
Modoo
moonshot
native ads
Nexus
programmatic buying
Project X
Pwn20wn及Pwnium3 黑客大赛
Remarketing. Ads
Search
Security
smb
Solve for X
Street view
student
UR
VR
Web Platform Docs
web security
Webmaster
year in search 2014
YouTube
zeitgeist
博客归档
2024
11月
10月
8月
7月
6月
5月
4月
3月
2月
1月
2023
12月
11月
10月
9月
5月
4月
3月
2月
2022
11月
10月
5月
4月
2月
1月
2021
10月
9月
5月
4月
3月
2月
2020
12月
5月
4月
3月
2019
10月
8月
7月
6月
5月
4月
3月
2018
12月
10月
9月
8月
7月
6月
5月
3月
2月
1月
2017
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2016
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2015
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2014
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2013
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2012
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2011
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2010
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2009
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2008
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2007
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
1月
2006
12月
11月
10月
9月
8月
7月
6月
5月
4月
3月
2月
Feed