JAVA工程师
Android
WEB工程师
ISO工程师
ASP技巧：如何用.ashx文件排除重复内容
来源：长沙it培训 发布日期：2017-04-28不同的链接指向的页面其内容如果是相同的，改现象被称为“重复内容”，若一个网站的重复内容较多，搜索引擎会认为这个网站的价值不高，因而在更新网站信息的过程中应尽量避免重复内容。
而动态网站的重复内容通常由URL引起，而URL重写会导致这一现象恶化。使用原始的URL参数，搜索引擎会进行适当的判断，得知重复内容是由URL参数引起的之后，将自动进行相应的处理，URL重写会掩盖URL参数，使搜索引擎无法识别URL。
这些URL所指向的页面内容其实是一样的，都是id=231的那篇文章，但这篇文章被blog和news两个栏目所引用，出于各种原因的考虑。处理的办法有两种，一种是利用机器人(robot)协议“排除”其中一个，另一种是通过301将其中一个URL永久重定向另一个URL。
robot协议，简单的讲，robot指的就是搜索引擎，针对Google，我们又将其称之为“蜘蛛(spider)”。蜘蛛是很有礼貌的，在抓取你的网页内容的之前，会首先征求你的意见。而你和robot之前就基于robot协议进行沟通。具体到实现，有两种方式：
1. 将一个的robots.txt文本添加到网站根目录下，如：
#static content, forbid all the pages under the "Admin" folder
User-agent: *
Disallow: /Admin
#行表示注释;
User-agent指搜索引擎，*表示针对所有搜索引擎，也可以指定具体的搜索引擎，如User-agent: googlebot;
Disallow指定不允许访问的目录或页面，注意：1. 此文本是大小写敏感的;2.必须以“\”开头，表示网站根目录;和本系列的宗旨一样，我们着重谈asp.net技术。
但我们怎么动态的生成这个文件呢(这种需求其实蛮多的)?可能我们马上想到的就是I/O操作，在根目录下写一个txt文件……但其实还可以有一种方法：使用一般处理程序(.ashx文件)，代码如下：
| <%@ WebHandler Language="C#" Class="Handler" %> using System; using System.Web; public class Handler : IHttpHandler { public void PRocessRequest (HttpContext context) { HttpResponse response = context.Response; response.Clear(); //response.ContentType = "text/plain"; 如果要用IE6查看页面的话，不能这一条声明，原因不详 //下面这两句在实际使用中应该数据库等动态生成 response.Write("User-agent: * \n"); response.Write("Disallow: /news/231.html \n"); //引用一个静态的robots文件内容，里面存储不会改变的屏蔽内容 response.WriteFile("~/static-robots.txt"); response.Flush(); } public bool IsReusable { get { return false; } } } |
一般处理程序实现了IHttpHandler，在前面UrlRewrite部分中，我们讲到了HttpModule，其实在ASP.NET的应用程序生命周期中，有一个称之为“管道(pipeline)”的概念：一个HTTP请求，经过一个有一个的HttpModule的“过滤/处理”，最终到达一个HttpHandle的“处理器”部分，HttpModule和HttpHandle就组成了一个“管道”.
如果你对它还比较陌生的话，查看Page的源代码，你会发现，Page也实现了IHttpHandler，所以*.aspx文件是最常用的HttpHandle。但Page不仅仅是一个HttpHandler，它还嵌入了复杂的页面生命周期事件，所以从节约资源的角度考虑，很多时候我也可以使用自定义的、更轻量级的*.ashx文件()，来完成一些简单的工作。和生成一个txt文件类似，我们还可以生成验证码(jpg文件)，xml文件等。
然后还要做的一件事就是进行URLRewrite：
| void application_BeginRequest(object sender, EventArgs e) { // Code that runs on application startup HttpContext context = HttpContext.Current; string currentLocation = context.Request.Url.LocalPath; if (currentLocation.ToLower() == "/website1/robots.txt") { context.RewritePath("~/Handler.ashx"); } } |
这样，蜘蛛就会以为在网站的根目录下的确存在一个robots.txt文件。
2. 在需要屏蔽的页面META标签里加上
noindex 意味着该页面不能被索引
nofollow 意味着该页面不能被“跟随”(将在SEO Hack中详细讲解)
这是静态页面的效果，如果需要动态生成，也相当简单：
代码
| <meta id="meta" name="robots" content="noindex,nofollow" /> noindex 意味着该页面不能被索引 nofollow 意味着该页面不能被“跟随”（将在SEO Hack中详细讲解） 这是静态页面的效果，如果需要动态生成，也相当简单： 代码 protected void Page_Load(object sender, EventArgs e) { HtmlMeta meta = new HtmlMeta(); meta.Name = "robots"; meta.Content = "noindex,nofollow"; this.Header.Controls.Add(meta); } |
meta中还可以指定description、keyWord等，其技术实现是相同的。
那么，两种方式我们如何选择呢?我的一些建议：
1. 尽量使用robots.txt，这既能降低网站的负载(虽然很小，呵呵)，因为蜘蛛查看了robots.txt文件之后，就不会再请求被屏蔽的相关页面了;而如果使用meta方式，蜘蛛必须先请求该页面，再做出不检索的判断，这时Http请求已经发出了，服务器端的资源就已经浪费了;另外，如果过多的meta屏蔽，也会使蜘蛛对网站产生不佳的印象，减少或放弃该网站的检索收录;
2. robots.txt文本的匹配时从左到右的，这里就没什么正则匹配了!所以有的时候，我们不得不使用meta方式了。
最后，再讲一些注意事项：
1. 不要在所有页面使用相同的Keyword和Discription，这是我们很容易犯的一个错误，虽然articles.aspx是一个页面，但加上url参数后，就变成了成千上万个页面，如果你在页面上写死了Keyword和Discription，那将使这成千上万个页面都是一样的Keyword和Discription!
2. 尽量避免使用基于URL的sessionID。ASP.NET在客户端禁用cookie的情况下，可以设置使用基于URL的SessionID，效果类似。