《互聯網新聞開放協議》是百度新聞搜索制訂的新聞源收錄標準。網站可把發布的新聞內容製作為遵循此協議的 XML 網頁(獨立於原有的發布形式),主動、即時地把新聞資訊告知搜索引擎,讓網站的新聞彷彿被搜索引擎「訂閱」一般,有機會在更大範圍、更高頻率被網民看到,進而為網站帶來流量。
一個符合協議的 XML 大致包含下列欄位:
webSite:站點位址。
webMaster:負責人員的 Email,必要時用於聯繫。
updatePeri:更新週期,以分鐘為單位,搜索引擎將依此週期抓取。
item:標記每篇新聞的起訖(不含新聞專題)。
title:新聞標題。
link:新聞 URL,與單篇新聞一一對應;分頁新聞若有多個 URL 視為多篇。
description:新聞內容簡介。
text:完整新聞正文(僅含正文文字,不含 HTML 等字符)。
image:正文相關圖片,採絕對位址,多張可重複使用。
pubDate:新聞發布時間,需與 HTML 頁面上的時間一致,精確到分鐘。
無論網站是否已成為百度新聞源,都可以使用此協議。使用時,提供的內容必須符合《新聞源收錄標準》:鼓勵原創、內容正規合法、伺服器穩定高速;但不收錄個人資訊、廣告、笑話、情感故事、寫真、食譜、下載等非新聞類型,也不收錄英文等非中文新聞。
第一步,建立 XML 檔。支援的編碼有 GB2312、GB18030、UTF-8、BIG5,建議用 GB18030 或 UTF-8;每個檔最多放最新發布的 100 條新聞,並依時間排序(最新的在最上方)。XML 標籤內容中除文字外不能包含其他程式碼,特殊字元如 &、<、>、引號等必須轉義為對應實體;建議使用 CDATA 區段,把含程式碼或特殊字元的文字包起來即可免轉義。
第二步,驗證 XML 檔。可借助線上工具檢查結構是否正確,確保資訊不被遺漏。
第三步,提交 XML 網址。先把檔案上傳到伺服器,再把 URL 及相關資訊填入對應欄位。同一站點一天最多提交 5 個不同的 XML 檔位址。
第四步,查詢處理狀態。輸入提交時的完整網址,即可查看處理進度與回饋資訊。