美丽说网站的SEO手段探讨 - 用户和搜索引擎区别对待

都说《美丽说》网站SEO做的很牛叉，那么今天我们来验证探讨一下，它是怎么做SEO的 - 针对搜索引擎输出网页。

　　看完美丽说单品页列表的HTML源码，觉得很奇怪，他们居然是用javascript脚本输出数据，然后再用javascript模板引擎渲染展示，这样搜索引擎能抓取到内容吗？

图1：Meilishuo.config.p4p用来存储条目数据

图2：使用javascript模板引擎渲染条目内容

　　随便找一个美丽说上“连衣裙”的网页，对应的URL=upload/2014/7/201407311404115230.jpg" alt="百度搜索“美丽说连衣裙”" width="440" height="148" >
图3：连衣裙页面在百度搜索结果中

　　使用百度快照功能查看该网页被百度抓取的内容（同图4），可以清楚明确的看到，缓存的网页里所有图文条目都是HTML，并未出现javascript数据和渲染代码。这就令我诧异了，难道是所谓“大站原则”，美丽说用某种特殊的协议让百度理解他们的网页内容？

　　以上的疑问都基于百度搜索优化一条关于SEO作弊行为的阐述：（参考文章1）

服务器端进行特殊处理：

网站自身或外链针对百度spider与用户返回不同内容。

　　这种SWO作弊行为叫伪装（Cloaking），通常是说在Web服务器上使用一定的手段，对搜索引擎中的巡回机器人显示出与普通阅览者不同内容的网页。

　　正因为这条规则，所以我并没有想美丽说是否用这个方法操作导致前面提到的现象，但我无法找到更合理的解释，所以，是时候验证一下这事了。

　　写一个简单的抓取程序，伪装成baiduspider去抓取该页面的内容（如图4），看完抓取来的HTML内容，前面的几个疑问解开了，美丽说的确在用典型的“伪装”手法来操作网页。在抓取过程中，发现美丽说网页对于空User-Agent的请求直接返回404页面，这应该是为了防采集设置的小门槛吧，不然没必要添加这一步去增加资源负担。

　　理解了操作手法，但还是不清楚其中的用意，我能想到的有：

　　1、防止采集。

　　不解：即便javascript输出数据，对于执意要采集的人也不是个难事。只是多一个门槛？代价值得吗？

　　2、节省资源。

　　美丽说网站以展示图片为主，用脚本引擎的方式，既可以让页面HTML干净，又可按需请求图片资源。

　　不解：javascript输出数据和HTML直接输出在后端来看，耗费一样，不是为了提高后端效率，那么，几百上千万出入的公司不至于为图片资源服务器发愁到这地步吧？况且，HTML直接输出也有按需取的办法。

　　3、从SEO考量而为。

　　不解：给搜索引擎返回纯HTML肯定是为了SEO，但疑问在于，他为啥要给用户返回不同的代码，但页面效果是完全一样的呢？

　　八卦一通，没啥结论，可以肯定的是美丽说这么做肯定不算SEO作弊，因为百度站长平台还有一句条例（参考文章1），着重点是“内容完全不相关”，而美丽说的做法并未违反这一原则以及欺骗用户。

存在一类作弊网站，针对百度spider以及用户返回两种不同的页面（内容完全不相关）或针对百度refer使用户跳转到其他的内容上，严格来说，这种作弊不能算在外链作弊范畴，但是是一种恶劣的作弊行为，在此一并明确一下，百度将给予此类站点更加严格的处理。

　　还是不理解美丽说网站这么做的真正原因，路人若有知晓的，不妨告知一下以求解惑张见识。

　　在整个思考过程中，"大站和搜索引擎之间有良好沟通"和“作弊手法除外”这两个固定条框局限了我的想法，导致客观不足和自由不足，此需改进。

　　参考文章：

　　1、百度站长平台《谈外链判断》 http://zhanzhang.baidu.com/wiki/160