DIV CSS 佈局教程網

深入解析:在 HTML 中嵌入 JavaScript 語言引擎的實作思路
編輯:關於JavaScript     

長期以來,站長們偏好使用 JavaScript 來打造網頁的動態行為,理由五花八門:加快頁面回應、節省流量、隱藏連結,甚至是嵌入廣告。然而早期的搜尋引擎並不具備相應的處理能力,導致在索引這類頁面時常出問題——既可能漏掉有價值的資源,也可能放過作弊行為。

引入 JavaScript 解析的目的,正是為了同時解決這兩難。最終效果是讓搜尋引擎能夠更貼近使用者真正打開頁面時所見到的樣貌。舉例來說,有些網站會把使用者評論、評分等資訊從 HTML 中抽離,改用 JavaScript 甚至 AJAX 在頁面載入時才動態呈現;早期的搜尋引擎此時抓到的內容是残缺的,進而影響它對頁面索引價值的判斷。

要引入 JavaScript 解析,必須權衡自身設計與實作、解析速度,以及對系統其他層面的影響。本文透過幾個典型案例,說明如何設計並打造一套網頁 JavaScript 解析系統,並簡要說明這樣的系統對搜尋引擎其他部分的意義。

一、發現頁面連結

一般來說,頁面連結以 HTML 的 A 標籤形式存在,URL 標記在 href 屬性裡。但現實中確實有不少網站選擇更「動態」的做法,常見的有兩種:一種是動態寫入或調整 A 標籤,另一種是在使用者點擊時觸發事件、改變預設的連結開啟方式。

1. 動態寫入或調整連結標籤

抽象地說,網頁要實現這樣的效果(乃至後文提到的其他效果),與「把大象放進冰箱」頗為類似,都分成三步:找到要寫入或修改的目標(找到大象)、準備好要寫入的內容(打開冰箱門)、執行寫入或修改(把它放進去)。

這三步映射到 JavaScript 上,就是先後呼叫三組標準的瀏覽器功能函式:頁面元素定位、資料準備,以及頁面修改。那麼,JavaScript 解析要做的事,就是同樣提供這些函式,隨著站長的程式碼被呼叫,自然地發現對應的內容與行為。

分析到這裡,所需實作的函式也就基本確定了,其中比較簡單的包括:

document.getElementById // 定位

document.getElementsByTagName // 定位

document.getElementsByClassName // 定位

node.[firstChild/nextSibling/previousSibling/parentNode] // 定位

document.[createElement/createTextNode] // 創建連結

node.[appendChild/insertBefore/innerHTML=?] // 寫入內容

element.getAttribute, element.setAttribute // 設置屬性

element.href = ? // 設置屬性

至於要寫入的內容,可能以陣列等形式保存在 JavaScript 裡,也可能透過 AJAX 動態載入。前者屬於 JavaScript 的內建功能,此處不再贅述;後者是一個獨立話題,會在後文專門討論。

2. 點擊時觸發事件改變預設的連結開啟方式

頁面這樣做的原因各不相同:有的是為了隱藏連結,有的是為了彈出視窗,有的則是為了程式拼接 URL,還有的是做檢查、判斷是否該開啟連結。但所有這些原因都對應著同一種實作方法:添加 click 事件。

添加 click 事件的方法有三種:

1.將 A 標籤的 href 屬性設置為「javascript:func(…)」的形式

2.設置 A 標籤的 onclick 屬性,形式為 onclick="js_code"

3.呼叫事件綁定函式,如 my_link_node.addEventListener('click', func, false)

支持這三種方法本身並不難,需要注意的地方在於如何觸發這樣的 click 事件,以及如何在觸發之後攔截目標 URL。

就觸發事件而言,首先要收集到所有可能的 click 事件,再依序觸發。但對每一個要觸發的 click 來說,實際觸發之前必須先檢查它是否還存在,因為在它之前的 click 事件很可能已經把當前這個 click 刪掉了。

要做到攔截 URL,首先要實作相關的頁面跳轉函式,即 location.href = ?、window.open 等;而後透過設置一系列標記,把本次點擊與頁面跳轉關聯起來,如此便能得到目標 URL。

二、動態頁面內容

動態內容是提升頁面載入速度、增強網站技術靈活性的手段,可以把那些會變動的內容(如評論、評分)抽離,讓頁面分成靜態與動態兩部分:靜態內容可用快取等方法加快顯示、降低流量;動態內容則格式簡單、易於生成,同時也能節省流量。

另一方面,動態內容也是載入廣告與內容作弊的重要手法,最常見的就是寫入 iframe,對早期搜尋引擎而言隱蔽性極高。

在技術層面上,動態頁面內容所需的工作與上一節「動態寫入或調整 A 標籤」在很大程度上相同,這裡要額外增加的是經典的「document.write」方法。

該方法是最早的 JavaScript 功能之一,用於向頁面直接寫入一段 HTML 程式碼,至今仍被廣泛使用。對這個方法,早期搜尋引擎也有所支持,但手段基本停留在字元匹配,只能處理最直接的「寫入一個 JavaScript 字串」方式,遇到稍微複雜的文字拼接就顯得力不從心。而對 JavaScript 解析而言,這段程式碼終究要符合語言規範,因此能做到完整支持,處理文字拼接、條件判斷與混淆程式碼等各種情況。

這裡還有一點值得討論:嵌套的 document.write,也就是透過 document.write 寫入一個 SCRIPT 標籤,而該標籤內部又是另一段 document.write。這類問題在跳轉作弊頁面中屢見不鮮,要支持它就不只需要 JavaScript 解析,還要求 HTML 解析器能處理嵌套的 HTML 寫入,這裡就不展開了。

透過上述方法,無論是網頁主體資訊,還是廣告或其他輔助資訊,都會被暴露出來,從而有助於理解站長的真正意圖。

三、網頁跳轉

網頁跳轉在某些情況下是達到頁面效果的必要選擇,但同樣會被用於作弊。技術上多以兩種方式出現:

1.直接呼叫頁面跳轉函式

2.針對搜尋引擎的 UA、referer 等呼叫頁面跳轉函式

要實現識別,最核心的就是實作頁面跳轉函式:location 物件。由於這是技術上唯一的 JavaScript 跳轉函式,所以無論頁面的 JavaScript 如何撰寫、如何混淆,最終都會呼叫它。因此,盡管不同頁面的跳轉程式碼看起來五花八門,要識別出來卻相當簡單。

四、關於 AJAX

AJAX 是極為常見的網頁技術,本質上就是在網頁顯示期間,動態地從網際網路上取得一段資料(可能是 HTML,也可能是其他格式),處理後再呈現出來。

對這項技術而言,根本的工作並不在於 XMLHttpRequest 物件的實作,而在於它對搜尋引擎爬蟲架構的影響。眾所周知,爬蟲以「抓取頁面、遍歷連結、再依序抓取」的形式設計,工作重點集中在調度與控制抓取壓力上,抓取器本身較為簡單,通常不具備「抓取後即時執行 JavaScript 並抓取 AJAX 資料」的能力,因此需要技術升級才能支持 AJAX。

對抓取器的分析超出了本文範圍,有興趣的讀者可以參考其他相關文獻。

總結

透過前面的案例分析,我們歸納出實作 JavaScript 解析所需的基本工作,再加上一定的基礎建設,就能構成一套較為完整的系統。這裡再次整理,分成三部分:

1. 在 HTML 解析器中嵌入 JavaScript 語言引擎,引擎可選擇 V8、SpiderMonkey 等成熟的開源方案。

2. 實作所需的功能函式,具體可參考 W3C 的相關 HTML 與 DOM 規範。

3. 作為一個直接推論,需要收錄所謂的 .js 檔案,這是 JavaScript 解析所要「解析」的原始碼。

本文中介紹的功能僅是一部分較為常見的 JavaScript 功能,要讓搜尋引擎真正看到實際頁面,還需進一步實作其他所需功能,此外也要配合對 HTML、CSS、圖片等資源的支持。

最後,對於希望使用 JavaScript 的站長,本文給出以下建議:

1. 不要使用過於複雜的 JavaScript 技術,這不利於搜尋引擎收錄。

2. 不要阻止對 .js 檔案的收錄,否則會限制 JavaScript 解析的能力。

3. 合理劃分站點的靜態部分與動態部分。

by Lileding

文章來源:百度搜索研發部官方博客

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved