ajax抓取网页内容(越来越+感叹号的解决方法放弃井号结构的url结构)

　　ajax抓取网页内容(越来越+感叹号的解决方法放弃井号结构的url结构)

　　越来越多的网站开始采用“单页应用”。

　　整个网站只有一个网页，使用ajax技术根据用户的输入加载不同的内容。

　　这种方式的优点是用户体验好，节省流量。缺点是ajax内容无法被搜索引擎抓取。例如，您有一个 网站。

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com 　　

　　用户可以通过hash结构的url看到不同的内容。

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com#1　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com#2　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com#3 　　

　　但是，搜索引擎只会抓取并忽略井号，因此它们无法索引内容。

　　为了解决这个问题，谷歌提出了“井号+感叹号”的结构。

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com#!1　　

　　当谷歌找到上述网址时，它会自动抓取另一个网址：

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155542517.com/?_escaped_fragment_=1　　

　　只要把ajax内容放到这个网址，google就会收录。但问题是“哈希+感叹号”非常丑陋和繁琐。Twitter曾经使用这种结构，它把

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155543049.jpg　　

　　改成

　　　　http://www.51sjk.com/Upload/Articles/1/0/300/300557_20210728155543064.jpg　　

　　结果，用户抱怨连连，只用了半年时间就废了。

　　那么，有没有什么办法可以让搜索引擎在保持更直观的URL的同时抓取ajax内容呢？

　　一直觉得没有办法，直到两天前看到话语创始人之一罗宾·沃德的解决方案，我才忍不住尖叫起来。

　　Discourse是一个严重依赖ajax的论坛程序，但它必须让google收录内容。它的解决方案是放弃hash结构，采用history api。

　　所谓history api，是指在不刷新页面的情况下，改变浏览器地址栏中显示的url（准确的说，就是改变网页的当前状态）。这是一个示例，您单击上面的按钮开始播放音乐。然后，点击下面的链接看看发生了什么？

　　地址栏的url变了，但音乐播放不中断！

　　history api的详细介绍超出了本文章的范围。简单来说，它的作用就是给浏览器的history对象添加一条记录。

　　　　window.history.pushstate(state object, title, url);　　

　　上面这行命令可以让地址栏中出现一个新的 URL。history对象的pushstate方法接受三个参数，new url为第三个参数，前两个参数可以为null。

　　　　window.history.pushstate(null, null, newurl); 　　

　　目前主流浏览器都支持这种方式：chrome(26.0+)、firefox(20.0+)、ie(10.0+)、safari(5.1+），歌剧（12.1+）。

　　下面是robin ward的方法。

　　首先，将hash结构替换成history api，让每个hash符号变成一个正常路径的url，这样搜索引擎就会抓取每一个网页。

　　　　example.com/1　　example.com/2　　example.com/3　　

　　然后，定义一个javascript函数来处理ajax部分并根据URL抓取内容（假设使用jquery）。

　　function anchorclick(link) {

　　　　var linksplit = link.split('/').pop();

　　　　$.get('api/' + linksplit, function(data) {

　　　　　　$('#content').html(data);

　　　　});

　　}

　　然后定义鼠标的点击事件。

　　　　$('#container').on('click', 'a', function(e) {

　　　　window.history.pushstate(null, null, $(this).attr('href'));

　　　　anchorclick($(this).attr('href'));

　　　　e.preventdefault();

　　});　　

　　还要考虑用户点击浏览器的“前进/后退”按钮。这时候会触发history对象的popstate事件。

　　　　window.addeventlistener('popstate', function(e) {    

　　　　anchorclick(location.pathname);  

 　　});

　　定义以上三段代码后，无需刷新页面即可显示正常路径url和ajax内容。

　　最后，设置服务器端。

　　因为没有使用 hashtag 结构，所以每个 URL 都是不同的请求。因此，服务器需要向所有这些请求返回具有以下结构的网页，以防止 404 错误。

　　　　　　　　... ...

　　如果你仔细看上面的代码，你会发现里面有一个 noscript 标签。这就是秘密。

　　我们将所有我们想要搜索引擎的内容放在了 noscript 标签中。在这种情况下，用户仍然可以在不刷新页面的情况下进行ajax操作，但是搜索引擎会收录每个页面的主要内容！