浅谈URL优化该怎么写，如何判断重要性@steven

转载两篇不错的分享文章，能解决以前一直纠结的问题，对于seoer有不错的指导意义：

来源：站长社区 作者：Zewer

本人从事SEO多年，优化的案例从几千到几十万IP的都有，正规灰色都有，正规站从未主动发过外链。也很不理解为什么非要去做外链。非企业站点来说，单锚本文提升单词效果不大，可能是因为优化的站点原因。我接手的都是比较中大型的网站，不会刻意的去堆砌某个关键字的排名，更不用说去专门做某词的锚文本进行投票了。那么应该如何优化大型站点呢。我觉得重要的因素是架构/结构。跟大家分享首要的架构：url优化。

URL优化的效果跟站点在百度的权重关联性不大，但是对收录、蜘蛛爬行和传递权重有明显的提升。我虽然不常发贴但是经常观察到大部分SEO的提问都是收录怎么怎么不好，权重怎么怎么不高，我也观看过很多站点，很多基础的工作完全都处于迷糊的状态。试想换一种思路，站长变成spider来爬行你的站，我相信大部分站长自己都跑不通。这里我只给出url优化的几个重要点。

1.URL一致性：URL 一致性是一个非常重要的指标，推荐大家一本书《走进搜索引擎》里面有介绍spider是一种机器程序，而非人脑，虽然也有学习的过程，但是国内网站千千万，每个网站有不同的url规范，你如果url命名规则杂乱无章spider又怎能的辨别你的内容规范？ 这里举个个人觉得做的比较好的case：“吧”。读者可以去翻阅吧的网站。他的主体结构为：首页=>列表页=>内容页 。这里因地制宜，只是举例可能并不适合你的站点。

吧我分析到他的优化权重承载页为他的内容页。而百度有“偏权重”的说法(见2)，所以他把所有的列表页统一用downlist/1~*.html的写法。没有给予列表页过于集权也避免了“偏权重”的影响。 这样子spider可以很自由的识别，只要在downlist目录下面的(数字.html)都属于他的列表页，层次清晰，爬取也很流畅。而他的集权重心在于内容页。内容页统一url为html/1~*.html 通过标签优化和链轮把权重导向给html下面的目录。“偏权重”集中在html目录下。spider也很清晰的可以判断/html目录下面的(数字.html)都属于内页，层次清晰、爬取流畅，权重传递的也很集中，这也属于集权的一种做法。自然收录好权重高了。

Steven批注：这一点同意。

2.偏权重：偏权重可能是我自己创造的一个词，大神们勿喷。通过我多年的分析发现，每个站点的流量是有集中点的。这个从爱站的工具里面大家可以看出来，这里拿我一个客户和朋友的网站给大家做做案例。

同一个网站 90%的流量都出自于某个目录，在这里面内容类型内容质量都是一样的。相信大家在自己作站过程中也有所体会，百度会偏向给权重到某个目录。考虑到这个问题，url一致性和目录规划更重要了。

3.爬行原理：蜘蛛爬行原理有 深度优先和宽度优先这里分开说一下：

(1)深度优先：深度优先适用于一些大站，蜘蛛很渴望得到他的内容，比如新浪网易他们的目录很长，也能收录。假如我们给蜘蛛一个线程只能爬取一个页面，爬行轨迹：首页-封面页-频道页-内容页，那么你网站的结构是：首页=> xxx/a=> xxx/a/b=> xxx/a/b/c/1.html=>。蜘蛛会沿着你的深度爬行进去，但是无论多大的站，你的深度也必须有限，否则蜘蛛不可能无穷尽的挖掘进去，爬累了自然会离开。并且内容也没带回去。

(2)宽度优先：这个是我非常推崇的，而且我所有新站都是这种效果。我自己建了5天的站蜘蛛爬行800次。效果说明在扁平化的，宽度优先是可以让蜘蛛非常的爬行和返回的。url结构 xxx/a/ xxx/b/ xxx/c/ 这类的叫宽度优化，爬行轨迹 ：首页-频道页A-频道页B-频道页C/首页-频道页A-内容页A1-内容页A2-内容页A*

综上所述。其实可以看出：宽度优先的效率明显高于深度优先。而且蜘蛛的任务类别也单一，非常容易识别。同一线程爬取的几乎是同一类型页面，页面样式，外观相同。蜘蛛不必花时间过于的去分析你的页面内结构，层次清晰。

4.爬虫黑洞：这个问题不是什么新问题了。百度也有做专门的阐述，因为一些url处理不当产生的动态参数后缀，或是刻意圈住蜘蛛所做的无限循环，这种的效果明显是弊大于利。对URL 的规划上一定要想办法尽可能的处理掉无限动态参数后缀，并且也要合理的给蜘蛛出口，这才是真正有利于SEO 的做法，关于处理爬虫黑洞的办法这里我不做多讲解。大家可以参考站长学院的 《巧用robots避免蜘蛛黑洞》。

官方声明：百度没有“权重”，文章中提及的“权重”字样仅为站长个人观点。

转载第二篇文章：

首先声明，我们只谈论有检索意义的URL，也是用户会从搜索引擎查找的页面。其他页面按照常用的方法做屏蔽好了。鉴于很多站长都爱讨论整体的收录量，我必须泼一下冷水，也许你的有效收录是1/10。

URL参数

也叫URL query，是一个复杂，容易被忽视，容易被妥协的问题。他是网站运营中必不可少的元素，如果简单的去除，其他部门无法工作了。 静态化是的话题，URL参数经常被用于以下几方面：
同一个实体的不同状态展示，比如同一个酒店，在不同时间点会有不同的房间库存：http://www.travel.com/hotel/123/?checkindate=2015-06-09&checkoutdate=2015-06-10
　　为了统计不同渠道的流量：http://www.a.com/?tracking=website_a
　　为了统计不同渠道，具体模块的点击量：http://www.a.com/?tracking=website_a&click_spot=zone_abc
　　调试：http://www.a.com/product/item123/?debug=true
　　全奇葩的是亚马逊，居然把统计参数放到了路径中http://www.amazon.cn/abc/dp/B005TZHJEQ/ref=lp_2130608051_1_1

出现这种问题的坏处有几点:
1. 浪费搜索引擎对你网站的各项配额，从而影响其他正常的页面。
2. 丢失很多本应拿到的链接加分，站外渠道的链接往往是质的。同一个URL的分值可能分散成几十份。
3. SEO的流量被统计到别的渠道(因为tracking字段写的是别的渠道，而且被收录被点击)
4. 往往形成一种局面，产品用一套URL，SEO用另一套URL， 甚至不同渠道用不同的URL，后期开发和维护的成本极高。

为了解决这个问题，首先要弄清URL的定义。以我的理解，每一个URL是一个静态的、独立不重复的、有意义的实体，一般也有检索意义(是有人会搜)。比如一个人、一辆车、一条道路、一个零件。而不能混入各种”状态”，比如这个人生病的时候，难道不是他自己了么? 一件商品在促销的状态难道是另一件商品了么?

理论上canonical标签可以解决这个问题了， 但是从实际测试结果看，百度对这个标签的支持优先级非常低， 几乎可以忽略不计。那么我的解决方案是这样的:
1. 建立好网站的思维导图和元信息。 (可参考：SEO健康度 )
2. 所有和SEO元信息相关的参数都放到路径中去
3. 所有和SEO元信息不相干的参数都放到#后边，因为#后边不影响web服务器返回的内容。简单的说是用”#”替代”?”。
4. 每个页面中都利用js获取#后边的参数对，通过二次请求发回给统计服务器
5. 如果#后边的参数影响页面内容，比如酒店的入住日期。那么这部分内容用ajax加载行，他是不稳定的，不属于页面内容的一部分。(当然还有变通的办法，暂不赘述。)
6. 原始的#锚点定义肯定会冲突，定义一个#后边的变量，并用js控制屏幕滚动，来保证原始锚点的作用。

有人可能会想到，根据ua判断，如果是搜索引擎爬虫，用跳转的方式去掉URL参数。但效率的方法必然是从一开始不展示错误URL。那么前面的例子优化后变成了:
　　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

其实很多网站早使用这种方式了，但是还有很多网站由于开发效率无法及时实现。所以对于一般的小网站，一定要考虑开发成本，不要轻易冒进。只要能避免问题的发生，变通的方法是很多的。

Steven批注：#号是很不错的规避方法。

路径中使用非必要元素

很多网站仿照亚马逊的做法，把商品名体现在URL中，然后再通过id来决定页面展示的内容:http://www.amazon.cn/博集典藏馆043•基督山伯爵-亚历山大•仲马/dp/B005TZHJEQ/

这样虽然可以提高一些相关性，但是很危险。在长期甚至短期的时间内，大量商品的名称是非常可能有变化的，那么URL也跟着变化。成本也是非常高的，因为加大了技术实现难度，不管从站内还是站外，每次增加链接都是一个很麻烦的事情。

在我接手艺龙SEO之前，URL被全部改成了这样，对我早期的工作造成了非常巨大的负担:http://www.a.com/Shangrila_International_Hotel-12345678-hotel/

通过日志分析发现基本所有的百度蜘蛛发起的请求都被301跳转了一次(日志分析方法可参考SEO健康度 )。细致调查后发现，从SEO拼接规则到后台的汉字和翻译数据被一直修改。也是说，这个URL相关的元素有:
1. 中文 (非必要元素)
2. 由中文翻译的英文 (非必要元素）
3. id (必要元素)

而当时负责SEO的同事把英文和id拼接在了URL中，那么这样一个URL先后变成过:
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”相关性”比，URL的性和稳定性更重要。所以针对这个问题，URL的策略应该是：http://www.a.com/hotel/12345678/

如果这个id是隶属于一个分类下的，比如城市，那么可以是：http://www.a.com/hotel/beijing/123/

从技术角度说， id一般是数据库的primary key，可以是数字也可以是字符串，那么这个时候URL是一维的; id也可以是联合的索引，那么URL是二维的，像上面的(bejing，123)缺一不可。电商类网站列表页经常用到三维以上。

Steven批注：这一点可能和谷歌的解释不太一样，待定，不过从长度上来说我同意作者的观点。

大小写

如果网站的技术架构用的是开源系统，一般是不会有这个问题的。如果使用了微软的技术架构，这个问题非常常见：
http://www.a.com/newyork/
　　http://www.a.com/Newyork/
http://www.a.com/NewYork/

我的建议是统一使用小写，大写自动跳转为小写(小心301死循环!)。

Steven批注：这一点OK，当初日报的站这么处理的。

目录的规范

很多网站同时存在这样的URL，无形中把收录量扩大了一倍：
http://www.a.com/product/123
　　http://www.a.com/product/123/
上边个路径的意思是在product目录下有一个123文件。第二个路径的意思是在product目录下有一个123目录，这个目录下可能有很多文件，但是他代表众多文件中的index.html或index.php或default.aspx等优先级的那个文件。为了避免歧义，我定义文件都是用”.html”结尾的。

为了减少重复收录，那么按我的习惯是:
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

Steven批注：同意。

总结

1. 所有部门统一使用SEO定义的URL，屏蔽非SEO URL的入口。
2. 用”#”替代”?”
3. 统一使用小写
4. 保证目录的规范
5. 把不规范的URL跳转到规范的URL

文章虽然结束但是讨论可以继续，大家可以到【学院同学汇】《如何避免大量重复URL被百度收录》讨论帖，与作者刘明进行探讨。

推荐阅读

浅谈URL优化该怎么写,如何判断重要性@steven | 文军营销如何判断重要性@steven 浅谈url优化该怎么写,如何判断重要性@steven 时间:2015-07-09 09:07:50 转载两篇不错的分享文章,能解决以前一直纠结的问题,对于 seo er有不错的指导意义: 来源:站长社区作者:zewer 本人从事seo多年,优化的案例从几千到几十万ip的都有,正规灰色都有,正规站从未主动发过外链.也很不...浅谈URL优化该怎么写,如何判断重要性@steven | 文军营销内容页统一url为html/1~*.html 通过标签优化和链轮把权重导向给html下面的目录。“偏权重”集中在html目录下。spider也很清晰的可以判断/html目录下面的(数字.html)都属于内页,层次清晰、爬取流畅,权重传递的也很集中,这也属于集权的一种做法。自然收录好权重高了。 Steven批注:这一点同意。 2.偏权重:偏权重...