站內(nèi)搜索數(shù)據(jù)提交流程和格式說明
- 威海百度搜索資源平臺 威海百度搜索資源平臺
- 2877
大綱
站內(nèi)搜索數(shù)據(jù)提交流程
什么是XML數(shù)據(jù)文件？
什么是sitemap索引文件？
文件大小的限制？
如何設(shè)置更新周期？
數(shù)據(jù)提交后，多久能被百度抓取？
提交的數(shù)據(jù)都會被收錄嗎？
站內(nèi)搜索數(shù)據(jù)格式說明
數(shù)據(jù)文件基本結(jié)構(gòu)
固定標簽部分
擴展標簽部分
數(shù)據(jù)格式類型
通用-百度站內(nèi)搜索數(shù)據(jù)提交模板_0
小說
影視
站內(nèi)搜索數(shù)據(jù)提交流程
站內(nèi)搜索數(shù)據(jù)提交包含以下4個步驟：
站內(nèi)搜索數(shù)據(jù)提交流程.PNG
常見問題：
1 什么是XML數(shù)據(jù)文件？
單個XML數(shù)據(jù)格式樣例如下：
<?xml version="1.0" encoding="utf-8"?>
XML文件需以utf-8編碼
<urlset>
必填，標識整個鏈接集合的開始和結(jié)束
<url>
必填，每條數(shù)據(jù)都用一對<url>標簽標識
<loc>http://example.com/.../page1.html</loc>
必填，頁面地址，長度不得超過256字節(jié)
<lastmod>2013-08-12</lastmod>
標識該頁面的最后更新時間
<changefreq>daily</changefreq>
標識此頁面的更新頻率
<priority>0.8</priority>
標識此頁面相對于其他頁面的優(yōu)先權(quán)比值，介于0.0-1.0之間
<data>
必填，標識擴展標簽的開始和結(jié)束
<display>
必填，緊鄰<data>，擴展標簽都包含在<display></display>里
</display>
必填，標簽閉合
</data>
必填，標簽閉合
</url>
必填，標簽閉合
</urlset>
必填，標簽閉合
上述XML數(shù)據(jù)文件向百度提交了一個url：http://example.com/.../page1.html。
若有多條url，則按照上述格式重復(fù)<url></url>之間的片斷，列明所有url地址，打包到一個XML文件進行提交。
2 什么是sitemap索引文件？
如需提交大量XML數(shù)據(jù)文件，可以將其列在sitemap索引文件中，然后提交該索引文件，而無需分別提交每個數(shù)據(jù)文件。索引文件包含的各個字段標簽如下：
<?xml version="1.0" encoding="UTF-8" ?>
XML文件需以utf-8編碼
<sitemapindex>
必填，標識sitemap索引文件
<sitemap>
必填，每個數(shù)據(jù)文件都用一對<sitemap>標簽標識
<loc>http://example.com/.../aaa.xml</loc>
必填，標識數(shù)據(jù)文件的位置
<lastmod>2013-08-20</lastmod>
標識數(shù)據(jù)文件的最近一次修改時間
</sitemap>
必填，標簽閉合
</sitemapindex>
必填，標簽閉合
若有多個XML數(shù)據(jù)文件，則按照上述格式重復(fù)<sitemap></sitemap>之間的片斷，列明所有XML數(shù)據(jù)文件地址，打包到一個sitemap索引文件進行提交。
3 文件大小的限制？
每個XML數(shù)據(jù)文件包含的網(wǎng)址不得超過 5 萬個，且單個文件大小不得超過 10 MB。每個sitemap索引文件包含的XML數(shù)據(jù)文件不得超過5萬個，但是單個索引文件應(yīng)該小于10MB。這些限制條件有助于避免網(wǎng)絡(luò)服務(wù)器因傳輸非常大的文件而遇到麻煩。
4 如何設(shè)置更新周期？
百度spider會參考設(shè)置周期抓取數(shù)據(jù)，因此請根據(jù)數(shù)據(jù)文件內(nèi)容的更新情況（比如增加新url）來設(shè)置。
請注意若文件內(nèi)url不變而僅是url對應(yīng)的頁面內(nèi)容更新（比如論壇帖子頁有新回復(fù)內(nèi)容），不在此更新范疇內(nèi)。
5 數(shù)據(jù)提交后，多久能被百度抓?。?/p>
數(shù)據(jù)提交后，一般在1小時內(nèi)百度會開始處理，處理完成的時間視文件大小而定。
當前默認的抓取速度是10url/s，考慮網(wǎng)速等因素造成的折損，每個站點的天級抓取量可達50萬。
6 提交的數(shù)據(jù)都會被收錄嗎？
站內(nèi)搜索將收錄您提交的全部數(shù)據(jù)；但對于百度網(wǎng)頁搜索來說，是否收錄與頁面質(zhì)量相關(guān)。
站內(nèi)搜索數(shù)據(jù)格式說明
數(shù)據(jù)文件基本結(jié)構(gòu)
站內(nèi)搜索的XML數(shù)據(jù)文件由兩部分組成：固定標簽部分和擴展標簽部分。
固定標簽部分
包含<urlset>、<url>、<loc>、<lastmod>、<changefreq>、<priority>、<data>、<display>共8個標簽。雖然未必都要填寫，但是它們是所有數(shù)據(jù)格式的通用字段。
標簽名稱
屬性類型
屬性描述
優(yōu)先級
標簽限制
urlset
/
標記整個文檔的開始和結(jié)束
必選
/
url
/
標記每條信息的開始和結(jié)束
必選
1個urlset可以包含很多url
loc
url
該條數(shù)據(jù)的存放地址
必選
以"http://"開頭
最大長度256個字符
lastmod
日期
該條數(shù)據(jù)的最新一次更新時間
可選
格式為YYYY-MM-DD
changefreq
字符串
該條數(shù)據(jù)的更新頻率
可選
有效值為：always、hourly、daily、weekly、monthly、yearly、never
priority
小數(shù)
指定此鏈接相對于其他鏈接的優(yōu)先權(quán)比值
可選
數(shù)值范圍：0.0~1.0
data
/
標記擴展數(shù)據(jù)的開始和結(jié)束
必選
/
display
/
標記擴展數(shù)據(jù)中用作展現(xiàn)的字段的開始和結(jié)束
必選
/
注意事項：
XML數(shù)據(jù)文件必須使用UTF-8編碼。
所有標簽必須按照格式中指定的順序列出，非必選標簽可以不寫，但是不能亂序。
標簽大小寫敏感，請務(wù)必細心區(qū)分。
url中不能含有中文字符。
lastmod必須嚴格遵守日期格式，2013-08-01是正確的，2013-8-1則是錯誤的。
擴展標簽部分
不同數(shù)據(jù)格式類型包含的擴展標簽也不同，主要用于標識網(wǎng)頁的正文內(nèi)容和周邊屬性。通過擴展標簽提交的數(shù)據(jù)將被用于摘要的特型展現(xiàn)、結(jié)果的篩選和排序選項設(shè)置，甚至直接影響結(jié)果的權(quán)重。
數(shù)據(jù)格式類型
站內(nèi)搜索將根據(jù)站點類型分別制定相應(yīng)的數(shù)據(jù)格式，以及給出相應(yīng)的摘要樣式模板。
站內(nèi)搜索的數(shù)據(jù)格式包含以下類型，后續(xù)還會根據(jù)需要再添加：
通用-百度站內(nèi)搜索數(shù)據(jù)提交模板_0
影視
小說
音樂（建設(shè)中）
商品（建設(shè)中）
招聘（建設(shè)中）
旅游（建設(shè)中）
圖書資料（建設(shè)中）
問答（建設(shè)中）
溫馨提示：
由于歷史原因，“通用”類別的數(shù)據(jù)結(jié)構(gòu)和后續(xù)的其他各個類別（如“影視-電影”）表示嵌套數(shù)據(jù)的方式不太一樣。前者將子標簽包含在父標簽里，后者子標簽獨立存在但嵌套在父標簽中。例如同樣表示演員姓名，
“通用”類別的表示方法為：<actor name="黃曉明" url="http://example.com/path"/>
其他類別的表示方法為：<actor><name>黃曉明</name><url>http://example.com/path</url></actor>
通用類型-百度站內(nèi)搜索數(shù)據(jù)提交模板_0
通用類型的摘要示意圖.PNG
圖1通用類型的摘要示意圖（不代表最終效果）
具體格式說明：
注：“可篩選”“可排序”指的是相應(yīng)字段在搜索結(jié)果頁可展現(xiàn)為篩選選項或排序選項；因為所有字段都可用于展現(xiàn)，所以未單獨標注。具體應(yīng)用方式可參考《站內(nèi)搜索外觀和功能設(shè)置》。
中文標簽
英文標簽
子標簽
屬性類型
屬性描述&舉例
優(yōu)先級
個數(shù)限制
可篩選
可排序
標題
title
/
字符串
建議填寫，搜索系統(tǒng)優(yōu)先選用該title
可選
1
內(nèi)容
content
/
字符串
如能提交全文，則不需要spider再抓取，既可以降低站點服務(wù)器壓力，提升收錄效率，也可以避免搜索系統(tǒng)解析誤差
可選
1
標簽
tag
/
字符串
可以是內(nèi)容主題、領(lǐng)域、分類等的簡短說明文字；最多可定義20個
可選
20
是
發(fā)布時間
pubTime
/
日期
格式為YYYY-MM-DDThh:mm:ss
只有提交該字段，“外觀設(shè)置”中按時間排序或篩選的功能選項才能正常生效
注意：YYYY-MM-DD和hh:mm:ss中間必須包含“T”
可選
1
是
面包屑
breadCrumb
--
/
用于標記當前網(wǎng)頁在站點中所處的層級位置，最多可定義4層，且標簽先后順序必須對應(yīng)層級順序，寫在最前為最高層級
假設(shè)一篇文章位于新浪網(wǎng)“體育>NBA>洛杉磯湖人”路徑下，那么可以為這個頁面設(shè)置3個breadCrumb標簽
可選
4
層級名稱
title
字符串
常常體現(xiàn)為頻道名或版塊名
前面例子中3個breadCrumb標簽的title分別為“體育”“NBA”“洛杉磯湖人”
可選
1
是
層級首頁地址
url
url
前面例子中title為“NBA”時url為http://sports.sina.com.cn/nba/
可選
1
是
縮略圖
thumbnail
--
/
支持格式gif、jpg、jpeg、png，主要用于搜索結(jié)果的摘要展現(xiàn)
每個網(wǎng)頁最多可以提交10個縮略圖，目前站內(nèi)搜索僅選用其中的第一個用于摘要展現(xiàn)
可選
10
縮略圖地址
loc
url
可選
1
圖片
image
--
/
支持格式gif、jpg、jpeg、png
每個網(wǎng)頁最多可以提交100張圖片，目前當thumbnail不存在時，默認選擇image的第一張圖片用于摘要展現(xiàn)
可選
100
圖片存放地址
loc
url
可選
1
圖片標題
title
字符串
如果沒有標題，也可用于填寫該圖片的標簽等
可選
1
視頻
video
--
/
每個網(wǎng)頁最多可提交100個視頻數(shù)據(jù)。（近期即將支持）當thumbnail和image不存在時，默認選擇video的第一個縮略圖用于摘要展現(xiàn)
可選
100
視頻地址
loc
url
包含2種情形：指向?qū)嶋H視頻媒體文件，或者指向特定視頻的播放器
前者例如：
http://59.63.171.80/youku/65736E30E1C307CC07EF256D1/0300020E004FCFEC663DA204A5719AA5C2599A
-5CDB-D8E5-BEB7-C15C62B686F2.flv
后者例如：
http://v.youku.com/v_show/id_XNDA3ODI1MTE2.html
可選
1
視頻標題
title
字符串
例如上述地址的視頻標題為“考研訪談：名師陳文燈教授數(shù)學(xué)復(fù)習(xí)指導(dǎo)答疑”
可選
1
視頻縮略圖地址
thumbnail_loc
url
例如上述視頻的縮略圖地址為
http://g2.ykimg.com/0100641F464FCCBFE9328D04A5719A80053701-E1FA-FF97-B990-39B8B55777EB
可選
1
視頻時長
duration
整數(shù)
單位：秒
可選
1
作者
author
--
/
常見于web2.0頁面，例如論壇帖子作者、博客作者
可選
1
作者昵稱
nickname
字符串
可選
1
作者個人首頁地址
url
url
該url指向的頁面通常提供作者的個人信息介紹
可選
1
作者頭像地址
thumbnail
url
可選
1
回復(fù)數(shù)
replyCount
/
整數(shù)
通常表示論壇貼子回帖數(shù)，或博客評論數(shù)
可選
1
是
是
屬性
property
/
字符串
主要用于帖子，例如精華、熱門、置頂、最新等屬性 ，每個網(wǎng)頁最多可以提交3個內(nèi)容屬性
可選
3
是
價格
price
--
/
可選
1
現(xiàn)價
new
小數(shù)
商品價格或打折優(yōu)惠后的現(xiàn)價
可選
1
是
是
原價
old
小數(shù)
打折優(yōu)惠前的價格，如果有的話
可選
1
是
是
折扣
discount
--
/
折扣優(yōu)惠信息
可選
1
折扣值
value
小數(shù)
折扣值
可選
1
是
是
折扣描述
description
字符串
折扣優(yōu)惠介紹
可選
1
評價
review
--
/
評價信息
常用于商品、活動、影視著作等對象
可選
1
評分值
rating
小數(shù)
可選
1
是
是
評分基數(shù)
rating_base
小數(shù)
評分的基數(shù)值或“滿分”值
各網(wǎng)站采用的評分制不盡相同，例如最典型的5分制（0分-5分），還有10分制（0分-10分），或者用百分比來表示，滿分為100%（0%-100%）
站長可根據(jù)實際情況來填寫，或者保持不填；只填寫rating_base而不填rating是沒有意義的
可選
1
評分人數(shù)
count
整數(shù)
評分人數(shù)
可選
1
是
是
位置
location
--
/
常用于標識機構(gòu)、商品或者活動
可選
1
地址
address
字符串
可選
1
電話
tel
字符串
可選
1
地域
area
字符串
地域范圍
例如“北京市”“海淀區(qū)”“王府井”
主要用于地域篩選
可選
1
是
坐標
coordinate
字符串
坐標
采用WGS84標準。格式為：緯度,經(jīng)度。北緯+，南緯-，東經(jīng)+，西經(jīng)-。小數(shù)點后最多保留6位。例如“+40.783333,-73.966667”是紐約中央公園的坐標
可選
1
時間
time
--
/
通常用于標識活動；區(qū)別于網(wǎng)頁內(nèi)容發(fā)布時間
可選
1
開始時間
startDate
日期
開始時間
格式為YYYY-MM-DDThh:mm:ss
可選
1
是
結(jié)束時間
endDate
日期
結(jié)束時間
格式為YYYY-MM-DDThh:mm:ss
可選
1
是
數(shù)據(jù)標記示例：
<?xml version="1.0"encoding="UTF-8"?>
<urlset>
<url>
<loc>http://ky.kaoyan.com/04/467393/</loc>
<lastmod>2013-04-10</lastmod>
<changefreq>always</changefreq>
<priority>0.5</priority>
<data>
<display>
<title>【寫給即將上戰(zhàn)場的你們】努力為王，心態(tài)為皇</title>
<content>略</content>
<tag>考研復(fù)習(xí)</tag><tag>經(jīng)驗</tag>
<pubTime>2012-12-04T11:20:13</pubTime>
<breadCrumb title="考研加油站" url="http://ky.kaoyan.com/"/>
<breadCrumb title="考研政治" url="http://www.kaoyan.com/s/zhengzhi"/>
<thumbnailloc="http://docs.kaoyan.com/jpg/12/1204dde3cd949ccc.jpg"/>
<imageloc="http://docs.kaoyan.com/jpg/12/12048543278e760d.jpg" title="七個最常用的泰勒展開式"/>
<videoloc="http://v.youku.com/v_show/id_XNDA3ODI1MTE2.html" title="考研訪談：名師陳文燈教授數(shù)學(xué)復(fù)習(xí)指導(dǎo)答疑 "thumbnail_loc="http://g2.ykimg.com/0100641F464FCCBFE9328D04A5719A80053701-E1FA-FF97-B990-39B8B55777EB"duration="217509"/>
<!-- 視頻非實際頁面內(nèi)數(shù)據(jù)，為示意而構(gòu)造 -->
</display>
</data>
</url>
<url>
…
</url>
</urlset>
小說類型：
小說類的摘要示意圖
具體格式說明：
中文屬性標簽英文屬性標簽屬性類型需求對應(yīng)優(yōu)先級重復(fù)次數(shù)舉例
作品名字nameText作品的名字必選字段1半夢半醒
作者authorPerson作品的作者必選字段1作者字段，包含3部分，具體見下方。
作品配圖imageURL展現(xiàn)的時候會用到強烈建議不限
作品簡介descriptionText一般的文本強烈建議1小說故事發(fā)生于2005年，跨度六年，講述了主人公朱亞楠一次去北京參加頒獎大會，結(jié)識一號女主角王文靜。兩人開始朦朦朧朧的愛戀。由于不在同一城市生活，兩人只能艱難的異地戀。種種陰差陽錯導(dǎo)致他們分分離離，其間又交叉了二號女主角蘇揚和三號女主角劉琳。朱亞楠游離在三個美貌女孩之間，最終他會選擇和誰終生廝守？他們的愛情又會有什么樣的波折？敬請期待！
分類genreText作品的分類，方便書籍間的類聚必選字段1言情
完成字數(shù)wordCountNumber作品的總完成字數(shù)強烈建議119221
閱讀鏈接urlURL作品的閱讀鏈接必選字段1http://www.rongshuxia.com/chapter/bookid-5304284-chapterid-99069.html
更新狀態(tài)updateStatusText完結(jié)還是更新中必選字段1已完結(jié)
閱讀費用trialStatusText免費或者是前多少章免費，或收費必選字段1免費
周點擊weeklyClickNumber最近一周的點擊數(shù)量強烈建議150000
月點擊monthlyClickNumber最近一個月的點擊數(shù)量強烈建議1150000
總點擊totalClickNumber作品的總點擊數(shù)量必選字段13197509
最新章節(jié)newestChapterChapter作品的最新章節(jié)必選字段1
章節(jié)chapterChapter作品的章節(jié)必選字段不限
更新時間dateModifiedDate作品的更新時間必選字段12012/10/5
作者 - author
作者名稱nameText作者的名稱，可能是姓名、筆名或ID必選字段1zhujiaguo1986
作者簡介descriptionText作者的簡介強烈建議1朱家果，男，80后知名作家、詩人。
網(wǎng)頁鏈接urlURL作者的網(wǎng)頁鏈接，可能是博客或者個人主頁可選字段1http://blog.sina.com.cn/zhujiaguo2007
最新章節(jié) - newestChapter
所屬小說名稱articleSectionText章節(jié)所屬的小說名稱必選字段1半夢半醒
最新章節(jié)標題headlineText最新章節(jié)的標題必選字段1未名湖畔
最新章節(jié)鏈接urlURL最新章節(jié)頁面的URL鏈接必選字段1http://www.rongshuxia.com/chapter/bookid-5304284-chapterid-99144.html
更新時間dateModifiedDate最新章節(jié)的更新時間必選字段12012/10/5
章節(jié) - chapter
所屬小說名稱articleSectionText章節(jié)所屬的小說名稱必選字段1半夢半醒
章節(jié)標題headlineText章節(jié)的標題必選字段1歡暢一日
章節(jié)內(nèi)容acticleBodyText給用戶展現(xiàn)最新內(nèi)容強烈建議1剛出朝陽賓館，王文靜就嚷嚷著要去對面的桌球館里打桌球。王文靜挽著朱亞楠的手進了桌球館，在窗口處領(lǐng)了桌號，要了球桿。許妮一聲不響地跟在后面，一臉失落落的樣子。服務(wù)生剛把桌上的球仔擺好，王文靜便樂此不彼地打開了。
章節(jié)鏈接urlURL章節(jié)的URL鏈接必選字段1http://www.rongshuxia.com/chapter/bookid-5304284-chapterid-99076.html
更新時間dateModifiedDate章節(jié)的更新時間強烈建議1
電影類型：
影視-電影類的摘要示意圖.PNG
圖2影視-電影類的摘要示意圖（不代表最終效果）
具體格式說明：
“屬性類型”說明
1. 含有子標簽的屬性類型：Person、AggregateRating、VideoObject、InTheaters。子標簽內(nèi)容詳見下方各個分支說明。
2. 時間相關(guān)的屬性類型：Date支持YYYY-MM-DD格式，或者YYYY-MM，或YYYY；Duration支持P[n]Y[n]M[n]DT[n]H[n]M[n]S格式，例如“P3Y6M4DT12H30M5S”表示“3年6個月4天12小時30分5秒”。時間格式說明詳見：ISO8601。
3. Number支持各種數(shù)字類型，例如整數(shù)和小數(shù)。
“出現(xiàn)次數(shù)”說明
1. 不限次數(shù)的情況下，用多組同名標簽來表達多個值，例如：<genre>愛情</genre><genre>青春</genre>。
No.
中文標簽
英文標簽
屬性類型
屬性描述
優(yōu)先級
出現(xiàn)次數(shù)
舉例
可展現(xiàn)
可篩選
可排序
1
名稱
name
Text
電影名稱
必選
1
<name>中國合伙人</name>
是
2
別名
alias
Text
電影別名
可選
不限
<alias>中國先生</alias>
是
3
海報
image
URL
電影海報的鏈接
強烈建議
不限
<image>http://img31.mtime.cn/mt/2013/05/03/163203.48183969_96X128.jpg</image>
是
4
描述
description
Text
作品的簡介
必選
1
<description>從1980年代到21世紀，30年的大變革背景下，三個好友為了改變自身命運，創(chuàng)辦英語培訓(xùn)學(xué)校，最終實現(xiàn)“中國式夢想”。</description>
是
5
類型
genre
Text
通常指作品本身的分類屬性
必選
不限
<genre>喜劇</genre>
是
是
6
演員
actor
Person
演員或動畫片中的配音演員
必選
不限
<actor>
<name>鄧超</name>
<url>http://people.mtime.com/1256584/</url>
</actor>
是
7
導(dǎo)演
director
Person
電影導(dǎo)演，包括執(zhí)行導(dǎo)演等
必選
不限
<director>
<name>陳可辛</name>
<url>http://people.mtime.com/892817/</url>
</director>
是
8
編劇
author
Person
電影等的編劇
可選
不限
<author>
<name>周智勇</name>
</author>
是
9
內(nèi)容語言
inLanguage
Text
電影對白主題語言
必選
1
<inLanguage>中文</inLanguage>
是
10
地區(qū)
contentLocation
Text
影片的制作地區(qū)
必選
不限
<contentLocation>中國</contentLocation>
是
是
11
上映信息
premiere
PremiereInfo
電影上映的有關(guān)信息
必選
不限
<premiere>
<datePublished>2013-05-17</datePublished>
<publishLocation>中國</publishLocation>
<duration>PT112M</duration>
</premiere>
是
是
是
12
摘要
abstract
Text
顯示在網(wǎng)頁中的摘要數(shù)據(jù)
強烈建議
1
略
13
綜合評價
aggregateRating
AggregateRating
用戶綜合評價
必選
1
<aggregateRating>
<ratingValue>8</ratingValue>
<bestRating>10</bestRating>
</aggregateRating>
是
是
14
預(yù)告片
trailer
VideoObject
預(yù)告片信息
強烈建議
不限
<trailer>
<name>鋼鐵俠3 中國版劇場預(yù)告片</name>
<url>http://movie.mtime.com/91881/trailer/43508.html</url>
</trailer>
15
評論數(shù)量
commentNum
Number
用戶評論、意見的數(shù)量，表達自己的觀點，不一定和作品相關(guān)
強烈建議
1
<commentNum>23</commentNum>
是
16
獲獎信息
awards
Text
電影的獲獎信息
強烈建議
不限
<adwards>金馬獎XXX</adwards>
是
演員 - actor
1
演員姓名
name
Text
演員的姓名
必選
1
<name>鄧超</name>
是
2
頁面鏈接
url
URL
演員頁面的URL鏈接
強烈建議
1
<url>http://people.mtime.com/1256584/</url>
3
角色名稱
role
Text
角色的姓
來源：百度搜索資源平臺
