Fork me on GitHub

Google SiteMap Protocol协议

在新浪看到这样的新闻Google雅虎微软联手支持网页手工提交标准, Google、微软和雅虎认为，统一标准有助于从整体上改进站点地图，从而搜索引擎可以将更广泛的信息加入索引。当然，搜索终端用户也将从中获益。Google网站管理员中心产品经理瓦内萨·福克斯(Vanessa Fox)表示：“我们的首要任务是为用户提供最佳搜索结果，以及为网站所有者运营网站提供便利。”Google、微软和雅虎还将推动其它搜索引擎运营商，以及相关软件厂商加入Sitemaps协议支持者的行列。Google、雅虎以及微软宣布已经达成共识，旗下的搜索引擎将采用统一的Sitemaps 0.9(站点地图)协议对网站进行索引。目前，在www.sitemaps.org网站上，已经为网站管理员准备了一套简单快捷的指引，使搜索引擎能够完整、有效地对网站进行索引。了解一下Google SiteMap Protocol.

Google SiteMap Protocol是Google自己推出的一种站点地图协议，此协议文件基于早期的robots.txt文件协议，并有所升级。在Google官方指南中指出加入了Google SiteMap文件的网站将更有利于Google网页爬行机器人的爬行索引，这样将提高索引网站内容的效率和准确度。文件协议应用了简单的XML格式，一共用到6个标签，其中关键标签包括链接地址、更新时间、更新频率和索引优先权。

Google SiteMap文件生成后格式如下： <urlset xmlns="http://www.google.com/schemas/sitemap /0.84"> <url> <loc>http://www.keyusoft.cn</loc> <lastmod>2005-06-03T04:20-08:00</lastmod> <changefreq>always</changefreq> <priority>1.0</priority> </url> <url> <loc>http://www.keyusoft.cn/post/140.html</loc> <lastmod>2005-06-02T20:20:36Z</lastmod> <changefreq>daily</changefreq> <priority>0.8</priority> </url> </urlset> XML标签
  • changefreq:页面内容更新频率。
  • lastmod:页面最后修改时间
  • loc:页面永久链接地址
  • priority:相对于其他页面的优先权
  • url:相对于前4个标签的父标签
  • urlset:相对于前5个标签的父标签
我将一句一句分解讲解这个xml文件的每一个标签：
  1. <urlset xmlns="http://www.google.com/schemas/sitemap/0.84">
    这一行定义了此xml文件的命名空间，相当于网页文件中的<html>标签一样的作用。
  2. &lt;url&gt;这是具体某一个链接的定义入口，你所希望展示在SiteMap文件中的每一个链接都要用<url>和</url>包含在里面，这是必须的。
  3. &lt;loc&gt;http://www.keyusoft.cn&lt;/loc&gt;用<loc>描述出具体的链接地址，这里需要注意的是链接地址中的一些特殊字符必须转换为XML(HTML)定义的转义字符，如下表：
    字符 转义后的字符
    HTML字符 字符编码
    and(和) & &amp; &#38;
    单引号 &apos; &apos; &#39;
    双引号 " &quot; &#34;
    大于号 > &gt; &#62;
    小于号 < &lt; &#60;
  4. &lt;lastmod&gt;2005-06-03T04:20:32-08:00&lt;/lastmod&gt;<lastmod>是用来指定该链接的最后更新时间，这个很重要。Google的机器人会在索引此链接前先和上次索引记录的最后更新时间进行比较，如果时间一样就会跳过不再索引。所以如果你的链接内容基于上次Google索引时的内容有所改变，应该更新该时间，让Google下次索引时会重新对该链接内容进行分析和提取关键字。这里必须用ISO 8601中指定的时间格式进行描述，格式化的时间格式如下：
    • 年：YYYY(2005)
    • 年和月：YYYY-MM(2005-06)
    • 年月日：YYYY-MM-DD(2005-06-04)
    • 年月日小时分钟：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37+08:00)
    • 年月日小时分钟秒：YYYY-MM-DDThh:mmTZD(2005-06-04T10:37:30+08:00)
    这里需注意的是TZD，TZD指定就是本地时间区域标记，像中国就是+08:00了
  5. &lt;changefreq&gt;always&lt;/changefreq&gt;用这个标签告诉Google此链接可能会出现的更新频率，比如首页肯定就要用always(经常)，而对于很久前的链接或者不再更新内容的链接就可以用yearly(每年)。这里可以用来描述的单词共这几个："always", "hourly", "daily", "weekly", "monthly", "yearly"，具体含义我就不用解释了吧，光看单词的意思就明白了。
  6. &lt;priority&gt;1.0&lt;/priority&gt;<priority>是用来指定此链接相对于其他链接的优先权比值，此值定于0.0 - 1.0之间
  7. 还有</url>和</urlset>，这两个就是来关闭xml标签的，这和HTML中的</body>和</html>是一个道理
  8. 另外需要注意的是，这个xml文件必须是utf-8的编码格式，不管你是手动生成还是通过代码生成，建议最好检查一下xml文件是否是utf-8编码，最简单的方法就是用记事本打开xml然后另存为时选择编码(或转换器)为UTF-8。
posted @ 2006-11-17 23:06  张善友  阅读(1590)  评论(0)  编辑  收藏  举报