郝聪SEO博客：SEO顾问咨询服务公司

前段时间，博客首页被Google删除，我写了文章“Google为什么要删除bloghuman.com的首页？”介绍了相关情况；今天我将写出比较详细的分析过程以及想到的解决方式。

一般而言，一个网站或博客首页不能出现在Google索引库的情况并不多见，常见的问题都集中在内页不被抓取或收录，而主页是应该最先被收录。所以，老黑SEO博客遇到的是一个非常棘手的问题。这个问题可能涉及到Google可接受的优化限度，不过，要先声明的是黑色梦中的SEO博客没有主动作弊意识以及行为。

首页，我排除了以下情况：

1、首页导出链接严重不合格（面临的将是全站性的收录问题）
老黑的SEO博客首页所有导出链接我挨个不差的在Google上进行了仔细检查，均以被Google收录，只有http://blogs.msdn.com/livesearch/在Google上被列为补充材料；在我理解，一个网站的导出链接质量可能参差不齐，但只要不指向作弊站点就可以；首页提供给Google的链接都是经过个人严格检查和考究过的，内容质量高而且具有相关性，因此，这肯定不是删除博客首页的原因。

2、站内分类快速导航链接
Bo-blog有一个插件，可以实现在文章内容附近插入自定义代码；考虑到用户看完文章或评论即很明显的看到指向博客分类的链接，于是在文章下方、评论最上方增加了几个经常被点击的分类名。

目前已去掉站内分类快速导航链接，个人认为这都是小问题，不应该也不会成为被删的理由。

3、博客首页

那可能导致这种情况的原因呢，我想到了以下几种可能：

1、首页关键词密度过高，超出算法接受的限度
以前首页关键词密度的确比较高，记得不错的话，密度达到了8.3%，很多人一般认为适合的密度是4%-8%；
关于关键词密度计算，黑色梦中个人认为，文本链接中出现的关键词、TITLE、META标签中出现的关键词均是不算是当前网页的关键词的，实际情况中，文章中出现关键词“SEO”也是不可避免的，我从来不会因为考虑关键词密度而限制文字的表达。
当然，我也接受了小鹏的建议，取消了大量我认为比较重要的置顶文章，刻意的减少了主关键词的出现次数，目前的密度是：3.4%，仍在观察中。

2、首页与feed页同时存在，形成复制网页
博客首页与feed同时被搜索引擎抓取并索引有问题吗？（目前首页和feed.php页均未被收录）
从内容角度讲，首页与feed页的确具有相似性，区别在于feed列出的是博客基本信息以及按时间倒序排列的文章信息，我设置的是输出100篇文章摘要，feed以文章信息为核心，但是首页不是，首页是进入网络的入口，两者侧重点不同，同时存在是没有原则性问题的。

3、站内存在大量复制网页
昨天看到Sheawey在其blog中写有文章：Google删除bloghuman.com的原因分析。虚心拜读后，基本认为作者Sheawey分析被删的主要原因在于复制网页。

是否是复制网页存在，目前还无法下结论，我争取把掌握的情况列举全面一些，这样对于分析会更加有利。

谈到黑色梦中SEO博客的大量补充材料网页，偶本人也，坦然笑对这个话题吧。
Google一共收录了Bloghuman.com1910个网页，但是，其中补充材料达到了753个，补充材料网页比例高达39.4%，这对于一个搞SEO研究的人来说是不可以接受的。

之所以会出现如此众多的补充材料网页，主要原因是复制网页的出现，而复制网页是由于URL重写规则反复变动造成的。这的确是个教训，在网站大部分页面被收录而且网页URL已经定型的阶段，随意更新URL绝对不是一个好的决定。

URL重写规则变动原因：
Bo-blog的2.0.3版本完善了基于apache的重写规则，在.htaccess文件中对分类页、归档页、tag页的url也进行了重写，这个举动本身是好的，bo-blog产品也在不断改进和完善；当时为了体验下全站静态化的快感，很快就尝试了，当然，由于bloghuman.com的权重比较高，很多网页很快就被手略，但不幸的是：后来发现这种tag重写出现严重问题，于是只好更改成基于php的重写机制，但由于忘记删除.htaccess里的规则语句，导致静态URL同样可以访问。

PS:Bo-blog官方目前正在开发新版2.1，从看到的情况可以断定，新版将支持自定义文章URL，只能说这个blog将有些在SEO里非常重要的东西考虑放在后面来完善。。。所以，对于Bo-blog的使用者，一定要注意这个问题，结合自身情况来设置博客。

4、大量的隐藏文字及链接
黑色梦中做按照互联网的规则来做SEO，对SEO作弊不感兴趣，也不想去测试Google、Baidu可接受的底线。
抛出这点，主要思路是源于首页置顶的大量文章（当时应该达到12篇吧），为什么会是隐藏文字及链接呢？因为每篇置顶文章的摘要内容都是处在一个隐藏的层里，看看源代码：


如果置顶的文章太多了，包含的隐藏信息就足够多，当这些内容的比重高于正常显示内容的时候，可能会触发某个规避体系，被认为是有作弊行为。


思考了以上问题后，我的处理措施：
1、在robots.txt文件中加入限制蜘蛛爬行产生补充材料网页的语句


2、修改.htaccess文件
将除博客文章内容页之外的其他任何重写规则语句全部去掉，回归SEO博客URL的最初面貌
去掉如下代码：


3、首页只保留4篇置顶文章


我一直在想分析原有和想补救措施，当然，我还有很多疑问，譬如：

(1)、在Google网站管理员中心：



Googlebot 最终在 2007-2-14 成功访问了您的主页。

根据以上，Google最后一次成功抓取首页是在2007-2-14日，而Bloghuman.com首页是5月份从索引库中消失的，莫非首页被删除是由一个长期不友好的行为导致的？如果是这样的话，又可以排查一些因素。




热门关键词"SEO"平均最前排名第5名
所有数据为过去 7 天的平均值
莫非Google网站管理员中心也存在不同的更新周期吗？


还有，为什么以前向Google提交成功的sitemap.xml文件现在一直报错，重新提交还是错误；为什么我手工做的sitemap.html在网页底部加了链接很长时间了，到现在一直未被收录；在复制网页现象出现前，很多关键词在Google排名非常好，而现在却大不如以前，包括我的原创文章中体现的关键词"SEO项目"。。。Google，这个惩罚太严重了吧，而我却还没有彻底搞清楚缘由！
最后编辑： 郝聪 编辑于2008/04/06 19:25