不同的鏈接指向的頁面如果具有大量相同的內(nèi)容，這種現(xiàn)象就會被稱為“重復內(nèi)容”，如果一個網(wǎng)站的重復內(nèi)容很多，搜索引擎就會認為這個網(wǎng)站的價值不高。所以我們應盡量避免各種重復內(nèi)容。
動態(tài)網(wǎng)站的重復內(nèi)容常常是由URL參數(shù)引起的，而URL重寫會惡化這一現(xiàn)象（比較耐人尋味喲，呵呵）。因為如果使用的是原始的URL參數(shù)的話，搜索引擎可能會進行適當?shù)呐袛�，而得知重復�?nèi)容是由URL參數(shù)引起的，自動的進行相應的處理；而URL重寫會掩蓋URL參數(shù)，反而使得搜索引擎無法識別URL參數(shù)。比如：
原始的URL:
http://www.freeflying.com/articles.aspx?id=231&catelog=blog
http://www.freeflying.com/articles.aspx?id=231&catelog=news
經(jīng)過URL重寫過后的URL：
http://www.freeflying.com/blog/231.html
http://www.freeflying.com/news/231.html
這些URL所指向的頁面內(nèi)容其實是一樣的，都是id=231的那篇文章，但這篇文章被blog和news兩個欄目所引用，出于各種原因的考慮，我們最終的URL還是如上所示。
處理的辦法有兩種，一種是利用機器人（robot）協(xié)議“排除”其中一個，另一種是通過301將其中一個URL永久重定向另一個URL。
今天我們先講robot協(xié)議。簡單的講，robot指的就是搜索引擎，針對Google，我們又將其稱之為“蜘蛛（spider）”。蜘蛛是很有禮貌的，在抓取你的網(wǎng)頁內(nèi)容的之前，會首先征求你的意見。而你和robot之前就基于robot協(xié)議進行溝通。具體到實現(xiàn)，有兩種方式：
1. 將一個的robots.txt文本添加到網(wǎng)站根目錄下，如：
#static content, forbid all the pages under the "Admin" folder
User-agent: *
Disallow: /Admin
#行表示注釋；
User-agent指搜索引擎，*表示針對所有搜索引擎，也可以指定具體的搜索引擎，如User-agent: googlebot；
Disallow指定不允許訪問的目錄或頁面，注意：1. 此文本是大小寫敏感的；2.必須以“\”開頭，表示網(wǎng)站根目錄；
和本系列的宗旨一樣，我們著重談ASP.NET技術(shù)。所以更多的robots.txt文本的注意事項，請查看http://www.googlechinawebmaster.com/2008/03/robotstxt.html
但我們怎么動態(tài)的生成這個文件呢（這種需求其實蠻多的）？可能我們馬上想到的就是I/O操作，在根目錄下寫一個txt文件……，但其實還可以有一種方法：使用一般處理程序（.ashx文件），代碼如下：
代碼
<%@ WebHandler Language="C#" Class="Handler" %>
using System;
using System.Web;
public class Handler : IHttpHandler {
public void ProcessRequest (HttpContext context) {
HttpResponse response = context.Response;
response.Clear();
//response.ContentType = "text/plain"; 如果要用IE6查看頁面的話，不能這一條聲明，原因不詳
//下面這兩句在實際使用中應該數(shù)據(jù)庫等動態(tài)生成
response.Write("User-agent: * \n");
response.Write("Disallow: /news/231.html \n");
//引用一個靜態(tài)的robots文件內(nèi)容，里面存儲不會改變的屏蔽內(nèi)容
response.WriteFile("~/static-robots.txt");
response.Flush();
}
public bool IsReusable {
get {
return false;
}
}
}
一般處理程序?qū)崿F(xiàn)了IHttpHandler，在前面UrlRewrite部分中，我們講到了HttpModule，其實在ASP.NET的應用程序生命周期中，有一個稱之為“管道（pipeline）”的概念：一個HTTP請求，經(jīng)過一個有一個的HttpModule的“過濾/處理”，最終到達一個HttpHandle的“處理器”部分，HttpModule和HttpHandle就組成了一個“管道”，非常形象喲，呵呵。貼張圖吧：
如果你對它還比較陌生的話，查看Page的源代碼，你會發(fā)現(xiàn)，Page也實現(xiàn)了IHttpHandler，所以*.aspx文件是最常用的HttpHandle。但Page不僅僅是一個HttpHandler，它還嵌入了復雜的頁面生命周期事件，所以從節(jié)約資源的角度考慮，很多時候我也可以使用自定義的、更輕量級的*.ashx文件（），來完成一些簡單的工作。和生成一個txt文件類似，我們還可以生成驗證碼（jpg文件），xml文件等。
然后還要做的一件事就是進行URLRewrite：
代碼
void Application_BeginRequest(object sender, EventArgs e)
{
// Code that runs on application startup
HttpContext context = HttpContext.Current;
string currentLocation = context.Request.Url.LocalPath;
if (currentLocation.ToLower() == "/website1/robots.txt")
{
context.RewritePath("~/Handler.ashx");
}
}
這樣，蜘蛛就會以為在網(wǎng)站的根目錄下的確存在一個robots.txt文件。
2. 在需要屏蔽的頁面META標簽里加上
<meta id="meta" name="robots" content="noindex,nofollow" />
noindex 意味著該頁面不能被索引
nofollow 意味著該頁面不能被“跟隨”（將在SEO Hack中詳細講解）
這是靜態(tài)頁面的效果，如果需要動態(tài)生成，也相當簡單：
代碼
protected void Page_Load(object sender, EventArgs e)
{
HtmlMeta meta = new HtmlMeta();
meta.Name = "robots";
meta.Content = "noindex,nofollow";
this.Header.Controls.Add(meta);
}
meta中還可以指定description、keyword等，其技術(shù)實現(xiàn)是相同的。
那么，兩種方式我們?nèi)绾芜x擇呢？我的一些建議：
1. 盡量使用robots.txt，這既能降低網(wǎng)站的負載（雖然很小，呵呵），因為蜘蛛查看了robots.txt文件之后，就不會再請求被屏蔽的相關(guān)頁面了；而如果使用meta方式，蜘蛛必須先請求該頁面，再做出不檢索的判斷，這時Http請求已經(jīng)發(fā)出了，服務(wù)器端的資源就已經(jīng)浪費了；另外，如果過多的meta屏蔽，也會使蜘蛛對網(wǎng)站產(chǎn)生不佳的印象，減少或放棄該網(wǎng)站的檢索收錄；
2. robots.txt文本的匹配時從左到右的，這里就沒什么正則匹配了！所以有的時候，我們不得不使用meta方式了。如我們文章開始的URL：
http://www.freeflying.com/blog/231.html
http://www.freeflying.com/news/231.html
最后，再講一些注意事項：
1. 不要在所有頁面使用相同的Keyword和Discription，這是我們很容易犯的一個錯誤，雖然articles.aspx是一個頁面，但加上url參數(shù)后，就變成了成千上萬個頁面，如果你在頁面上寫死了Keyword和Discription，那將使這成千上萬個頁面都是一樣的Keyword和Discription！
2. 盡量避免使用基于URL的SessionID。ASP.NET在客戶端禁用cookie的情況下，可以設(shè)置使用基于URL的SessionID，效果類似：
http://www.freeflying.com/(S(c3hvob55wirrndfd564))/articles.aspx
喜歡 
頂
難過
囧
圍觀
無聊
