网站Xml格式地图建议

我们需要向搜索引擎提交的xml地图有两种,一个是google和yahoo用的google的xml地图,放在网站跟目录下以sitemap.xml命名。一个是百度的xml地图,它只需放在根目录下,以:sitemap_baidu.xml 命名。

我们需要欧维特帮助开发出一个这样的软件:

1.每天一次定点按照google和百度要求的格式,抓取新帖的地址,更新google和baidu的xml地图。
2..把地图规定一个量,我们先假定1000条记录(这个量我们以后按文件大小来定),按时间顺序,每天新贴地址的进来老贴地址出去。

Googlexml地图格式:
Google SiteMap的作用及协议格式详解
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:

http://duduwolf.winzheng.com
2005-06-03T04:20-08:00
always
1.0


http://duduwolf.winzheng.com/post/140.html
2005-06-02T20:20:36Z
daily
0.8

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. 这一行定义了此xml文件的命名空间,相当于网页文件中的标签一样的作用。
  2. 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和包含在里面,这是必须的。
  3. http://duduwolf.winzheng.com
    用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) & & &
    单引号 ‘ ‘ ‘
    双引号 ” ” “
    大于号 > > >
    小于号 < < <
  4. 2005-06-03T04:20:32-08:00
    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. always
    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. 1.0
    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. 还有和,这两个就是来关闭xml标签的,这和HTML中的和是一个道理
  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。
    详细可以参见个googlesitemap协议
    https://www.google.com/webmasters/tools/docs/zh_CN/protocol.html

百度xml地图格式:
百度互联网开放协议内容
下图为遵照《互联网论坛收录开放协议》制作的XML格式的网页,网页上按照标准格式列出了网站论坛发布的帖子的相关信息。
XML网页示例:

XML标签说明: 其中带星号标记的为必选项,未带星号标记为可选项。
*——标记整个XML文件内容的开始和结束。后面的” xmlns:bbs =” http://www.baidu.com/search/bbs_sitemap.xsd”是该xml文件遵守百度《互联网论坛收录开放协议》的声明,如没有该段声明,xml文件不支持下面的等语法。
*——站点地址。
*——负责人员的Email。当有必要时,我们通过这个地址与您联系。
*——sitemap 更新周期,以小时为单位。搜索引擎将遵照此周期访问该页面,使页面上的内容更及时地被百度 spider 发现。
*——该 xml 文件最近一次的更新时间 。
*——论坛所使用程序的版本。
*——标记每个帖子信息的开始和结束,标记内为单个帖子信息。
*——帖子的 url 地址,即帖子第一页的地址,请尽量去除url中不必要的参数。
——帖子标题。<br /> <pubDate>——帖子主贴的发布时间 。<br /> <bbs:lastDate>——帖子最后一条回复的发布时间 。<br /> <bbs:reply>——帖子总的回复数,不包括主贴。<br /> <bbs:hit>——帖子总的查看次数。<br /> <bbs:mainLen>——帖子主贴的长度,单位字节 。<br /> <bbs:boardid>——帖子所在版面,提供版面的 id 。<br /> <bbs:pick>——是否设为精华,精华标为 1 ,非精华标为 0 。<br /> 推荐时间格式:年月日小时分钟秒<br /> 如:2005-11-09 10:37 | 2005/11/09 10:37:00 | 2005.11.09 10:37:00 |<br /> 2005年11月09日10时37分00秒 | Fri, 09 Nov 2005 10:37:00 GMT</p> <p>详细参见: <br /> 《百度互联网论坛收录开放协议》http://www.baidu.com/search/pageop.htm</p>

本文章版权归刑天营销,如若转载,请注明出处:https://www.58199.com/view/seo/1592.html,或注明来自刑天大叔公众号

发表评论

邮箱地址不会被公开。 必填项已用*标注