创建Google Sitemap

<iframe align="center" marginwidth="0" marginheight="0" src="http://www.zealware.com/csdnblog336280.html" frameborder="0" width="336" scrolling="no" height="280"></iframe>

原来看到Google的Sitemap，不是很在意。虽然觉得这确实是搜索引擎偷懒的好办法，不用bot辛苦地去每个页面搜索了。但是要让用户主动提交内容，要有很大的号召力才行，否则很难成为标准。另外，创建Sitemap还挺麻烦的，一般的小站长估计不太容易学会。 事实上，Google的Sitemap也还不是很流行，特别在国内。

不过最近Google、微软与Yahoo最近达成协议，将使用统一的Sitemaps标准，所以原来使用范围仅局限Google网站管理员工具的sitemaps，也将被其他两家搜索引擎接受，而且未来或许会有更多搜索引擎采纳这个协议。看来站长们还是要会使用Sitemap，尽管目前在国内百度一家独大，其它三家合起来也是不可忽视的，该做的工作我们都得做呵呵。

目前Google用的Sitemap协议是0.84 ,而三家公司共同采用的将会是0.9版本，应该变化不大，暂时不用去理会它。

创建Sitemap小结：
1。创建Sitemap文件：
http://www.google.com/support/webmasters/bin/answer.py?answer=34654&hl=zh_CN
Sitemap就是个XML文件，很简单，你完全可以自己编辑完成，只要保证语法正确。但是如果站点内容比较多，不可能手动写这些内容，所以我们要用到Sitemap的自动生成器。这个是Google提供的：

http://www.google.com/webmasters/sitemaps/sitemap_generator

也有很多第三方提供的生成器，甚至有在线版的，听起来很诱人，但是我懒得一一去试用了，还是用官方版本的东西比较放心。

首先要写一个配置文件：mysite_config.xml
里面：
<site></site> base_url="http://www.mysite.com/"
store_into="/www/site1/root/sitemap.xml.gz"
verbose="1"
>

然后使用生成器脚本，这是个python写的软件，在命令行下运行命令很简单：python sitemap_gen.py --config=mysite_config.xml

呵呵，就会在/www/site1/root/目录下生成sitemap.xml.gz，用
gzip -d sitemap.xml.gz

解压缩，会在站点根目录生成sitemap.xml。生成器执行生成文件后，还会告诉Google，你的SiteMap更新了。

现在你可以试用http://www.mysite.com/sitemap.xml访问，如果正常说明创建成功。创建成功后，提交给Google(https://www.google.com/webmasters/tools/)，或者在首页放个链接即可。

二。在写配置文件时有几个要注意的地方

首先静态网站很简单，指定一下目录路径，生成器就会很聪明地去遍历相应的目录了：

<directory></directory>path="/var/www/docroot"
url="http://www.example.com/"
default_file="index.html"
>

如果你的站点是动态网页，生成器没法得到每个地址（比如http://yoursite.com?articleid=234这种地址）因为这个工具是在命令行下运行，本地遍历目录而已，没有通过http连接来访问服务器。　所以你要在cofig.xml中利用apache的用户访问日志来得到动态url地址（有个问题，如果站点里有些动态网页没人访问，岂不是就不能加在sitemap里了？　我也不清楚呵呵）

找到以下部分：

<!-- ** MODIFY or DELETE **<br />"accesslog" nodes tell the script to scan webserver log files to<br />extract URLs on your site. Both Common Logfile Format (Apache's default <br />logfile) and Extended Logfile Format (IIS's default logfile) can be read.<br /><br />Required attributes:<br />path - path to the file<br />Optional attributes:<br />encoding - encoding of the file if not US-ASCII<br /> -->
<accesslog path="/etc/httpd/logs/mysite-access.log" encoding="UTF-8"></accesslog>

还有，有些网页你不想被Google搜索到，可以使用过滤器：

<filter action="drop" type="wildcard" pattern="*private*"></filter>
<filter action="drop" type="regexp" pattern="/\.[^/]*"></filter>

drop表示不列入Sitemap，第一条规则用的是通配符，表示所有包含private字符串的url都不列入Sitemap。第二条用的是正则表达式，表示不列出*nix系统下的隐藏文件或目录（文件/目录名为.abc）。