SurDA

折腾WP也有一段时间了，上线到现在几近1个月。Show下相关信息：Alexa=8047977，PR=0，日均IP=15……

言归正传。今天在浏览Google 网站管理员工具时，发现HTML建议有8条内容，内容如下：

您的所有权为用户和搜索引擎提供了有关您网站的有用信息。所有权标记中所含的文本可显示在搜索结果页面中，而且相关的描述性文本更有可能被点击。我们建议您尽可能多查看列表并更新所有权标记。

下面列出8条包含重复标题标记的页面URL，

SurDA » 2010 » 六月	2
SurDA	3
SurDA » Music Show	2
SurDA » music	2
SurDA » Excel	2
SurDA » Surda	14
SurDA » Life	2
SurDA » 2010 » 五月	2

一一点开链接查看发现集中表现为 */page/1  分页下标题都重复出现了博客名称“SurDA”，碰到这种情况Google有可能判断为重复内容不利于收录，那么如何解决这些问题？follow me!

• 页面标题不要显示博客名称

一般的wordpress页面标题都是调用 bloginfo(‘name’) 和 wp_title() 两部分，前者是博客名称, 后者是文章标题。输出代码如下：（位于主题下的Header.php-非主题模板下）

<title><?php wp_title('&laquo;', true, 'right'); ?> < ?php bloginfo('name'); ?></title>

以Inove主题为例输出的标题结构为: ” 博客名称»文章标题”。建议一般文章页面标题直接显示文章标题，利于搜索引擎检索。
Mg12建议修改为以下代码：

<title><?php if ( is_single() || is_page() || is_category() || is_tag() ) { wp_title(''); } else { bloginfo('name'); } ?></title>

我是这样修改的，见代码：

<title><?php if ( is_home()) { bloginfo('name');} else { wp_title('');}?></title>

• 不要使用统一的元标记（Update:2010-07-04 18:00:22）

Inove主题没有提供元标记”keyword”、”description”，之前我是将其写死。但今天登陆Google 网站管理员工具时，发现HTML建议新增了重复的元标记，解决此问题同样修改（位于主题下的Header.php-非主题模板下）文件，代码如下:

<meta name="description" content="<?php if ( is_home()) {bloginfo('description');} else { wp_title(''); }?>" />

<meta name="keywords" content="<?php if ( is_home()) {bloginfo('name');} else { wp_title(''); }?>" />

• 使用Robots.txt限制检索(以下贴上本站Robots.txt)

User-agent: *
disallow: /cgi-bin/
disallow: /sitemap/
# For Subdomains Start
disallow: /img/
disallow: /resources/
disallow: /demo/
disallow: /archivers/
disallow: /www/
# For Subdomains End
disallow: /blog/wp-*
Disallow: /page/
Disallow: /tag/*/page/
Disallow: /i/*/page/
Disallow: /feed/
Disallow: /trackback/
Disallow: /comments/feed
Disallow: /author/*/page/
sitemap:http://surda.cn/sitemap.xml

逐条阐述开来既是：

User-agent: *  允许所有蜘蛛访问

Disallow: 禁止抓取该目录下的内容

Sitemap: 站点地图 运用到了Google XML Sitemaps生成的

上述Robots.txt写法，是查阅了蛮多博主的写法后综合起来的，应该是按部就班。上述Robots.txt分为四部分，

第一部分是常规限制抓取

第二部分（# For Subdomains)是子域限制抓取，在前文搜索引擎这点事中有介绍为什么要这么做

每三部分是WordPress限制抓取，blog/ 目录下以wp- 开头的文件夹及文件都不允许抓取；分类目录、作者、标签下的分页限制抓取

每四部分为sitemap声明

robots.txt这样写下来，对搜索机器人来说应该是比较友好的。仅供参考！~_^

—————————题 外 话———————–

• Robots.txt语法
• Google Robots.txt
• BaiDu Robots.txt

要百度搜索帮助中心（http://www.baidu.com/search/robots.html）关于Robots.txt介绍写了这样一句话：

搜索引擎使用spider程序自动访问互联网上的网页并获取网页信息。spider在访问一个网站时，会首先会检查该网站的根域下是否有一个叫做robots.txt的纯文本文件，这个文件用于指定spider在您网站上的抓取范围。您可以在您的网站中创建一个robots.txt，在文件中声明该网站中不想被搜索引擎收录的部分或者指定搜索引擎只收录特定的部分。

请注意，仅当您的网站包含不希望被搜索引擎收录的内容时，才需要使用robots.txt文件。如果您希望搜索引擎收录网站上所有内容，请勿建立robots.txt文件。

本人非常不认同有底色论点。机器人去爬行一个网站结构时首先查找的就是根目录是否存在Robots.txt文件，如果不存在，服务器将在日志中记录一条404错误（等同于用户试图访问一个已经不存在的URL时，服务器就会在日志中记录一个404错误），所以你应该在网站根目录下添加一个robots.txt文件，哪怕是一个空白的robots文件也好。关键是这个寻求404错误文件的过程相对于正常文件的访问请求是非常长的，任何一个访问者甚至蜘蛛，都不想等待。

另：Robots.txt易暴露网站物理结构，建议可以使用301重定向。

小博自2010-5-14转wordpress重新上线以来，搜索引擎的收录情差别较大。（见下图update:2010-6-5）

• 为嘛google网页抓取会比biadu多呢？
• 为嘛百度收录都是博客首页？（即使搜索博客page、archives页面关键字）
• 用子域建立了多个子站点（其实就是子目录），为嘛搜索引擎还是爬行子目录？
• ……

在网上搜索了相关资料：

• 为嘛google网页抓取会比biadu多呢？

就SurDA博客而言，出现这种结果是正常的。因为SurDA有google支持sitemap,并且定义了robots.txt告诉goolge站点地图的位置

robots.txt

……

sitemap:http://surda.cn/sitemap.xml

但是百度目前不支持robots.txt定义sitemap，有办法可以让百度更快的收录博客文章呢？值得欣喜的是百度在09年底推出了百度博客Ping服务。使用方法：

1. 手动更新，写完博文后打开http://ping.baidu.com/ping.html 输入你的rss地址，百度就会自动派百度蜘蛛抓取你博客的最新内容了。
2. 自动理新，如果你的博客程序可以支持自动ping，在程序里设置下百度的自动ping地址就好了。百度博客Ping服务RPC端点： http://ping.baidu.com/ping/RPC2

• 为嘛百度收录都是博客首页？（即使搜索博客page、archives页面关键字）

这个问题很让人头痛，比如搜索当爱已成往事插曲(google)

当爱已成往事插曲（baidu)

这两种搜索结果对浏览者而言差距实在太大了。

为什么出现这种情况？具体原因不明，估计是与百度不认站点地图有关。感兴趣的朋友（正好你也是用wordpress搭建博客）可以试试柳城的Baidu Sitemap Generator,据说对百度收录很好。

• 用子域建立了多个子站点（其实就是子目录），为嘛搜索引擎还是爬行子目录？

我用子域名建了几个子站点：img.surda.cn、i.surda.cn、demo.surda.cn、b.surda.cn等等，对应是同一虚机下的子目录。

子域名b.surda.cn等同与http://surda.cn/archivers/内容是完全一样的，搜索引擎只爬行http://surda.cn/archivers/，而不收录b.surda.cn。搜索引擎是最讨厌重复内容,我们都不希望搜索引擎会在两个地方看到一模一样的东西，严重的可能导致域名降权。一定要想办法搞定这个问题，其实方法很简单，修改网站根目录的robot.txt。根椐实际情况增加禁止机机器人爬行目录：

User-agent: *
disallow: /archivers/

 如果你为网站启用了多个二级域名,则相应的设置多个二级目录的禁止抓取就可以了。

 wordpress运行了几天。当初建博为了方便文件的管理，wordpress没有放在根目录，而是放在blog目录下面，所以这几天一直是通过www.surda.cn/blog来直接访问小博。感觉很不方便，有尝试在虚机cpanel增加子域来访问、301重定向等效果都不理想……后来无意间在【设置】-【常规】发现

如果您想让博客地址和 WordPress 的安装地址 不相同 的话，请在这里输入您期望的地址。http://codex.wordpress.org/Giving_WordPress_Its_Own_Directory

跟随链接而去E文看的似懂不懂，用360浏览器翻译插件，结果太不理想。后来利用金山词霸句句翻译才明白什么意思，其实很简单。理解如下：

        1、新建一个用来存放WordPress核心文件的新文件夹（我的是/blog目录）。　

   　2、进入设置-【常规】面板。

　   3、”WordPress 安装地址 (URL）“这个选项：把后面的地址改成你存放WordPress文件的文件夹地址。比如：http://surda.cn/blog/

　　4、Blog 地址（URL）“）这个选项：把此地址改为你网站的根目录的URL。例如：http://surda.cn

　　5、点击“保存更改”。

　　6、把WordPress的核心文件转移到你新建的文件夹中，也就是WordPress address (URL)这个目录。还不明白？在明确一点：/blog目录。

　　7、把index.php和.htaccess文件从WordPress目录转移到根目录中。

　　8、用文本编辑器打开并编辑根目录下”index.php”这个文件。

      9、找到如下代码，修改并保存：找到

require(‘./wp-blog-header.php’);修改为 require(‘./blog/wp-blog-header.php’);

保存上传FTP。

新登陆后台：http://surda.cn/blog/wp-admin，这里操作需要注意几点：

• 请确保你的虚机.htaccess有自动更改权限
• 如果.htaccess没有自动更改权限，可以手动修改。不熟悉也没有关系，可以直接上http://www.htaccesseditor.com/sc.shtml在线制作.htaccess文件。按要求操作就可以，如果你会搭建wordpress，相信这也难不到你。

整个过程就这么简单，刚看到英文还以为多复杂。看我的博客路径是不是简洁多了,如果打开之前的博客路径自动定向。