动态网站的搜索引擎的研究

    一、动态网站的出现和优势

　　最早互联网出现时，站点内容都是以HTML静态页面形式存放在服务器上，访问者浏览到的页面都是这些实际存在的静态页面。随着技术的发展，特别是数据库和脚本技术PERL、ASP、PHP和JSP的发展，越来越多的站点都开始采取动态的页面发布手段。比如，我们在GOOGLE.COM上搜索一个内容，得到的搜索结果页面文件"本身"在GOOGLE服务器上并不存在，而是通过程序在我们输入搜索内容时调用后台数据库实时生成的，也就是说，这些结果页面是动态的。
　　静态页面的站点只涉及文件的传输问题，而动态站点则复杂得多，用户和站点之间出现大量的交互，网站不再仅仅是内容的发布，而是成为了一种"应用（Application）"，是软件业向互联网上的扩张，从软件的角度看，动态站点是逻辑应用层和数据层的分离，数据库负责站点数据的存储管理，而ASP、PHP、JSP等负责处理站点的逻辑应用。这样做的好处除了增加很多交互功能外，更重要的是站点的维护、更新和升级都方便了许多。可以说，没有动态网站技术，目前互联网上的这些超大型站点就不可能出现。

　　二、搜索引擎抓取动态网站页面时面临的问题

　　从用户的角度看，动态网站非常不错，丰富了站点的功能，但是对于搜索引擎来说，情况就不同了。（关于搜索引擎和分类目录的区别，以及搜索引擎的工作原理，请? "了解搜索引擎"https://www.emarketer.cn/em/expert/45.htm）
　　根本的问题在于"输入"和"选择"，动态页面是在用户"输入内容"或者进行"选择"时动态生成的，但是搜索引擎的"搜索机器人"无法"输入"和"选择"。比如我们要在当当书店站点查看冯英健的《网络营销基础与实践》一书，介绍页面是动态生成的，URL地址是：https://www.dangdang.com/product_detail/product_detail.asp?product_id=493698
这里在"？"后面的product_id参数值需要我们输入的，"搜索机器人"可以通过链接找到https://www.dangdang.com/product_detail/product_detail.asp 页面，但是它无法输入"？"后面的product_id参数值，从而无法抓取这个页面文件。
　　另外，对于通过链接达到这种带"？"的页面，技术上搜索引擎可以抓取，但是一般情况下搜索引擎选择不去抓取，这是为了避免一种叫"搜索机器人陷阱（spider traps）"的脚本错误，这种错误会让搜索机器人进行无限循环的抓取，无法退出而浪费时间。

　　三、动态网站的搜索引擎策略

　　动态网站要被搜索引擎抓取，可以采用内容发布系统软件将动态站点转化成静态页面，这种办法对于页面发布后变动少的站点比较合适，比如一些新闻类的站点（如新浪的新闻中心：https://news.sina.com.cn/ ）。
　　一般的动态网站可以通过下面的办法让搜索引擎抓取：
首先，我们要让动态页面的URL地址中没有"？"，让动态页面看上去象"静态页面"。看看下面这个页面https://www.amazon.com/exec/obidos/tg/detail/-/043935806X/ ，这明显是一个动态页面，但是URL地址看上去却象"静态页面"。针对不同的动态技术可以采用下面技术实现：
　　•对于采用ASP技术的动态页面Exception Digital公司提供一种工具叫着XQASP（https://www.xde.net/products/product_xqasp.htm ）可以将"？"替换为"/"。
　　•对于采用ColdFusion技术的站点，需要重新配置服务器上的ColdFusion，用"/"代替"？"将参数传输到URL，更详细的信息请见https://coldfusion.com/ 站点。
　　•对于使用Apache服务器的站点，可以使用rewrite模块将带参数的URL地址转换成搜索引擎支持的形式，该模块mod_rewrite在Apache服务器中不是缺省安装的，详细的信息请见https://httpd.apache.org/docs/mod/mod_rewrite.html 。
　　对于其他的动态技术也能找到对应的方法改变URL的形式。
　　然后，要创建一些静态页面指向这些动态页面（以改变过的URL链接）。
前面说过，搜索引擎机器人并不会自己"输入"参数，所以要让上面这些动态页面被搜索引擎抓取，我们还需要告诉机器人这些页面的地址（也就是参数）。我们可以创建一些静态的页面，一般在网络营销中称? "gateway page"（入口页面），这些页面上有大量指向这些动态页面的链接。
　　将这些入口页面的地址提交到搜索引擎，这些页面和链接的动态页面（改变过URL形式）就能都被搜索引擎抓取了。

　　四、搜索引擎对动态网站支持的改进

　　在我们调整动态站点适应搜索引擎的同时，搜索引擎也在发展。到目前为止，绝大多数的搜索引擎还不支持动态页面的抓取，但是GOOGLE、HOTBOT等和国内的百度开始尝试抓取动态网站页面（包括? "？"的页面），这就是我们现在在这些搜索引擎进行搜索时，结果中出现动态链接的原因。
　　这些搜索引擎抓取动态页面时，为了避免"搜索机器人陷阱"，都只抓取从静态页面（至少"看上去"是静态的页面）链接到的动态页面，而从动态页面链接出的动态页面都不再抓取。
　　所以一个动态站点如果只针对上面这些搜索引擎，可以在上面小节介绍方法的基础上简化：只用创建一些入口页面，链接很多动态页面，然后将这些入口页面递交到这些搜索引擎就可以了。
　　对于直接使用动态的URL地址，请注意：
　　•文件URL中不要有Session Id，同时不要用ID作为参数名称（特别是对于GOOGLE）；
　　•参数越少越好，尽量不要超过2个；
　　•能在URL中不用参数尽量不要用，一些参数转移到其他地方，这样可以增加动态页面被抓取的深度和数目。