【大拿分享】单页应用的搜索引擎优化

单页应用并不是一个全新发明的技术，而是随着互联网的发展，越来越受web开发者欢迎，单页应用的体验可以模拟原生应用，一次开发，多端兼容，效果酷炫，节省成本。然而，由于单页应用基本全部使用JS，受制于SEO效果，目前国内使用单页应页技术的网站还是少之又少。在已知使用单页应用的站点中，携程旅行的SEO效果一直不错，那么今天，我们请携程旅行SEO技术负责人安琦老师为我们分享了单页应用SEO解决四大方案，其中第四套是目前携程旅行采用的技术方案，监控数据表明效果符合预期：

一、单页应用？此SPA不是彼SPA…
我们所说的“单页应用”都为Single Page Application的直译，基本市面上“单页面应用”、“One Page Application”、“SPA”及某些语境下的“webapp ” 都是指这一类移动站点。
那么典型的SPA是什么样子？我们用手机看看这条URL，http://cc-ng-z.azurewebsites.net/，可以衍生想象一下乘以N倍的：切换页面无需加载的效果，HTML和JS无法比拟的动画，以及对原生APP的追求……

*案例采用了angularJS这个鼎鼎大名的框架

关于HTML5及单页应用的处境，推荐以下两篇文章，第二篇实际上是百度UMX写的，但是现在原文删掉了，可以对自己的移动站点在技术架构上有个抉择和处理：
HTML5移动应用开发的生态环境简介
　　论Web App、Hybrid App以及Native App的设计差异

二，高科技永远连累我们干苦力的
为什么这么写，因为SPA对SEO损伤很大，非常大。
优点当然毋庸置疑：效果酷炫，我在视觉和产品面前无从反驳；性能高速度快，全JS嘛当然快，我在运维和产品面前无言以对；运算分散，异步加载，又省硬件又省流量，我在开发和产品面前彻底投降；JS前后端，一个人干一个站的活儿——关于这一点，我在老板、HR和产品面前哭的像一个孩子。总之，在各路人马的一番碾压后，我手里的网站改版了，一个SPA诞生了。
问题接踵而来：我发现所有页面都变成了全JS生成；所有URL中参数前面都被#分割；第三方统计系统无法再正常工作；PC和移动的适配正则全部失效了；所有人都高兴了，只有你，做SEO的、做网站优化的，欲哭无泪。
实际上我观察下来，只要使用了SPA架构的站点或多或少收到伤害，当看到有些大站点没做处理，只有可能搜索对于他们是个微不足道的渠道，比如锤子手机官网甚至不可思议地在PC站点上使用了类似架构，我相信他们的索引是有点问题的。这让我想到知乎上一个问题，说AMAZON的URL那么乱（当时）是因为他们不注重SEO吗？答案是不是，是他们更注重tracking。同理，SPA带来的优点胜过SEO，我被PK掉了。

三，求人不如求己
在SPA项目面前，我发现我被放在了所有人的对立面，无法抗拒这种时髦架构的上线，当然不得不说效果确实比WAP即视感的站点高端和好用太多，不要螳臂当车逆历史车轮而动。既然反抗也很痛，那么享受吧！我知道，我还和搜索引擎在一起；老板要的是解决方案，当然回滚这种方案会让我先滚。
让我们看看一个典型的SPA网站架构，和传统的服务端生成内容不同，在传统的网站，当你发起请求的时候，页面的组装是在服务器上完成的，反馈给浏览器的是已经完成组装的HTML内容；而之于SPA，服务端负责了数据和素材的存储，页面的逻辑执行和组装是在浏览器上通过Javascript完成和呈现的，这也就意味着，SPA不需要请求→接受、请求→接受、请求→接受、请求→接受这样玩了。完全凭借本地数据，即可完成基本的页面请求和访问。
基于此，当某人需要像APP那样切换页面但不刷新，并要在此基础上做文章时，#(井号)这个奇葩的符号粉墨登场，完成了“又要本地传输数据又不需要刷新页面”这个奇葩需求的历史任务，给单页应用的可抓取性重重一击。整个SPA的网站，URL不可抓取，页面内容不可抓取，糟透了。解决思路倒也简单，围绕全JS和URL可用解决问题。

       【方案一：尽人皆知的Google抓取AJAX方案】
　　 如何让搜索引擎抓取AJAX内容？
　　 A proposal for making AJAX crawlable
　　Google给了官方指导，并在Twitter上做了个最大的case，但后来T家放弃了，我想更多是T战略上的放弃。腾讯的ISUX博客上也曾经推广过这种方式，居然是在2014年，如下文： 单页应用的SEO浅谈
总的来说，这种方案可以兼容Google，如果资源实在有限，有着能抓多少是多少的心态，可以试试。主要不幸的是，5年前Google已和我们再见了 　　【方案二：再做一个服务端生成内容的镜像网站】
　　说实话，量级不大的网站并且极度依赖搜索引擎这个渠道的情况下，这不失为一种方案，第一，蜘蛛绝对可抓取；第二，URL规则的完全可控（要知道现在流行的路由方式，在配置URL规则上相对于URLrewrite是有天生缺陷的）；第三，SPA模式URL衍生的所有问题不再是问题。
但是面临的问题也令我望而却步：我要说服team再维护一个一模一样的网站，不是做完了事，是维护，这意味着修Bug要有资源修，改版要有资源改（能说服自己搜索进来然后点两下看到的网站不一样吗？）、所有相关功能的测试、发布、常规测试，都要耦合在一起，当站点大到一定程度，流程前所未有地臃肿，推进无休止的争吵，所有烦恼包围着我，让我想静静。我预计自己会累垮，即使搞定了所有的资源，网站优化人员自身也将面临着非常繁重的工作，两个网站怎么融合，适配跳转怎么设定，是否需要主动判断蜘蛛展现不同的内容，内链入口怎么放，都是耦合，且是硬耦合，网站大了页面多了，越做耦合越多，以后一碰就是坑。 　　【方案三：HTML5 history 中的PushState】
　　还好，开发大大们总是不少奇巧淫技，这是个很”经典”的用法，配合<noscript>这个擦边球标签，既能实现URL的自定义，又能实现还算有效果的内容抓取。蜘蛛、浏览器，两方应对，给蜘蛛不带井号能抓取的URL，给浏览器访问非井号URL时中间做转换，这样的话每张页面都有了可抓取的URL，且依然使用着高逼格的SPA架构。内链可以做了，Sitemap可以做了，适配也轻松了。

但实际上，蜘蛛在这种页面上还是盲的，所有内容要仰仗于noscript这个标签里塞的数据，以及搜索引擎对这个标签的支持程度。

做到这一步，单就需求而言，搜索引擎的抓取从HTML规范讲完成了，但这种方式没有任何搜索承认过支持，包括最核心的那个对于noscript标签的支持。

　　【方案四：用更高效的方式完成两套页面】
　　再回到那个简单的架构图，SPA这种架构，渲染是在客户端（浏览器）完成的，大致流程如下：

蜘蛛无法执行JS，相应的页面内容无从抓取，弊端还是那个弊端。但我们知道，传统的服务端生成页面，response里已经是服务器渲染组装好的HTML代码，浏览器只负责正确地展现，蜘蛛负责正确的解析，所以，我们需要给蜘蛛渲染完成的HTML，那么你的框架需要兼容如下流程的功能。

我们看到，当访问为SEO所需页面的时候，数据传输到了SEO 服务器完成渲染和组装然后吐给浏览器和蜘蛛，那么蜘蛛拿到的即是完全可见且融合了SPA的页面——landing页都是蜘蛛可见的，接下去用户的点击都是SPA的页面。
需要注意的是，如果你是用URL来区分SPA架构与否，那么内链及入口要全部使用SEO URL,只为用户暴露SPA的链接，JS在这里阴差阳错地成为了优势，那些SPA的链接将比较难被抓取的。
其实可以不使用URL来区分，延伸想想。这样一个流程，也无多少高精尖元素，其实只是“依照条件”增加了一个服务端自动渲染的步骤，在架构方案上再细细夯实，可以实现一套代码两处运行、SEO页面可单独自定义功能、、同一张landing人和蜘蛛没有跳转，没有区别对待、全栈工程师的大量使用、SEO页面永远保持最新版等等省时省力的需求功能。

总之，如果你和我一样，有文章前面部分的抱怨，SPA架构势在必行，两套页面改版不能同步，单独多做一套可抓取页面没有太多资源投入，与此同时还是想以比较保守的方式给蜘蛛展现网站的内容，那么这个思路可以考虑，然后为自己量身定做。

关于单页应用的网站优化，在实践中我所经历过的这些吧。优化不是按部就班，作为从业人员要审时度势地采取不同方案，以结果为导向，上不了线，再好的优化也是个方案。