PHP, MySQL e tecniche di ranking per siti dinamici

Transcript

1 PHP, MySQL e tecniche di ranking per siti dinamici Come aumentare il traffico dai motori di ricerca verso un sito dinamico Pag. 1 a cura di Andrea Mori <andrea@navigalibero.com>

2 Parleremo di... Motori di ricerca: scopi, motivi e considerazioni sull'importanza della visibilità online Le unità di misura per Google: Link Popularity e Page Rank Google ed i suoi metodi d'indicizzazione per le pagine dinamiche PHP/MySQL Tecniche e soluzioni per una migliore catalogazione Sviluppare script PHP/MySQL ottimizzati per l'indicizzazione con Google Considerazioni e conclusioni finali Pag. 2

3 Visibilità su di un motore di ricerca Dare una buona visibilità in internet ad un sito web, ad un'azienda o più in generale ad un'idea, rappresenta un "punto chiave" per il successo non trascurabile per nessuno. Questo è lo scopo per quale è fondamentale essere presenti nei risultati di ricerca per una parola chiave che riguarda il proprio target. Pag. 3

4 Internet ed i Motori di Ricerca La rete globale di computer che costituisce internet si espande sempre più ma al suo interno il servizio di ricerca (uno dei più utilizzati degli utenti) è diventato un'oligarchia. Al mondo sono ormai pochissimi i servizi di ricerca che si affidano alle informazioni catalogate solo dal proprio spider o web-directory: la notevole maggioranza di siti o portali che offrono il servizio di ricerca nel web propone risultati di ricerca che provengano almeno in parte da uno dei due grandi colossi dell'indicizzazione Yahoo Google - Dmoz Pag. 4

5 Google e il suo indice con milioni di pagine Google è il servizio di ricerca per eccellenza ed anche il più utilizzato ed affidabile nei risultati. (fonti: Nielsen e iprospect) Ha un proprio spider che ha catalogato da solo oltre 4 miliardi di pagine web. (fonte: home page di Google.it) E semplice da utilizzare e la sua grafica senza fronzoli da un'ulteriore notifica al fatto che si punta sul servizio di ricerca e non sull'aspetto grafico delle pagine. (nota dell'autore di questo talk) Google è il punto di riferimento quando parliamo di Motori di Ricerca. Pag. 5

6 Google è nato da un'idea innovativa Google nasce in ambito universitario come progetto sviluppato da due studenti: Sergey Brin e Larry Page; questa sua origine ha influenzato molto la linea di sviluppo del software che regola i criteri d'indicizzazione. Per Google più un documento o una pagina web è menzionata (linkata) da altre pagine più tale pagina deve essere rilevante. (..altrimenti le pagine che la linkano per quale motivo la citerebbero nel proprio testo? ) Pag. 6

7 Le unità di misura di Google I criteri con cui Google analizza, valuta e posiziona un sito e le rispettive pagine web all'interno dei risultati di ricerca sono 2: Link Popularity Rappresenta il numero dei link presenti in internet che puntano verso una specifica pagina. Page Rank (TM) E' il cuore del software che gestisce il posizionamento dei risulati di ricerca del motore. Pag. 7

8 Link Popularity di Google Il Link Popularity è il numero dei link che lo spider di Google trova su internet che portano ad una specifica pagina di un sito web. Questo valore influenza il giudizio globale di Google. Raggiungere un buon livello del valore di Link Popularity garantisce dei buoni risultati di posizionamento all'interno dei risultati di ricerca. Attenzione agli abusi: Spargere in giro per il web propri link a casaccio non è una buona regola, meglio invece pochi link su pagine che trattano d'argomenti correlati alla pagina linkata. Pag. 8

9 Il Page Rank (TM) di Google Google non si limita solo ad esaminare il numero di volte in cui una parola specifica è presente nella pagina, ma esamina tutti gli aspetti del contenuto della pagina (e dei contenuti delle pagine correlate ad essa) per stabilire se risponde o meno ai criteri di ricerca indicati. PageRank assegna ai siti Web importanti e di alta qualità un "voto" più elevato di cui Google tiene conto ogni volta che esegue una ricerca. Il Page Rank è una votazione da 1 a 10: più il voto è alto più la pagina che l'ha ottenuto è di qualità per l'argomento di cui tratta la pagina stessa e quindi la sua posizione nei risultati di ricerca inerenti a quell'argomento sarà alta. Pag. 9

10 Il nostro sito su Google Per ottenere buoni risultati in termini di traffico generato da Google verso un sito, sono molto importanti i primi passi che portano alla segnalazione del sito al motore di ricerca. 1.Iscrivere il sito su Dmoz.org. E' molto importante scegliere la giusta categoria in relazione all'argomento tratto nel sito. 2.Link Popularity: pochi link buoni su pagine esterne che trattino degli argomenti correlati a quelli trattati dal sito 3.Aspettare che Google controlli e valuti il sito (20/40 giorni). Questo compito è affidato allo spider. Pag. 10

11 Googlebot: lo spider di Google Googlebot si occupa di: Visitare le pagine di un sito Calcolare il loro Link Popularity Valutare il Page Rank Lo spider a volte incontra dei problemi a compiere il suo dovere con alcuni tipi di pagine e talvolta, a causa di questi problemi, non è in grado portare a buon fine la catalogazione compromettendo l'inserimento di alcune pagine che vengano ignorate. Le pagine spesso ignorate (non indicizzate) dallo spider sono le pagine dinamiche. Pag. 11

12 Pagine dinamiche PHP/MySQL e Spider Un pagina dinamica PHP/MySQL del seguente tipo (in cui le variabili sono concatenate dal carattere & ) è assai più difficile che venga indicizzata dello spider rispetto a All'aumentare delle variabili passate nella query_string dell'url(all'aumento del numero delle concatenazioni & ) diminuisce la probabilità che tale URL venga indicizzato dallo spider. Pag. 12

13 I caratteri? e & nell'url dinamico Quindi il numero di pagine dinamiche indicizzate dello spider è indirettamente proporzionale al numero dei concatenamenti presenti nei vari URL necessari per raggiungere ed elaborare le varie pagine dinamiche del sito. Dobbiamo fare in modo che Googlebot sia in grado di leggere le pagine dinamiche. E' necessario rendere più accessibili le pagine interne e progettare una soluzione per rendere indicizzabili gli URL allo spider. Pag. 13

14 Come rendere gradito un URL dinamico a Googlebot 3 soluzioni tipo per garantirci che lo spider di Google riesca a catalogare gli URL dinamici PHP/MySQL Progettare lo script PHP/MySQL in modo tale che funzioni utilizzando il minor numero possibile di valori concatenati negli URL. Utilizzando la variabile d'ambiente PATH_INFO Riscrittura dell'url tramite l'estensione di Apache mod_rewrite Pag. 14

15 URL dinamici PHP/MySQL progettati ad HOC Progettare script PHP/MySQL che hanno come requisito di base l'alta indicizzabilità da parte dei motori di ricerca. Abbiamo detto: più '&' concatenanti sono presenti nella query_string dell'url meno la pagina avrà possibilità di essere indicizzata. Proviamo ad immaginare di progettare uno script che abbia come prerequisito fondamentale l'avere URL di collegamento per le pagine dinamiche con una query_string più breve possibile. Otterremmo così un sito con pagine dinamiche con una maggiore probabilità di essere indicizzate. Pag. 15

16 URL dinamici PHP/MySQL progettati ad HOC Invece di avere pagine dinamiche tipo dovremmo puntare ad avere URL di questo tipo Facendo in modo che il Database MySQL sia progettato con il campo id con un valore auto_incrementant (per evitare che ci siano più di una riga con lo stesso valore id ) e che la query di SELECT al DB (fatta tramite PHP) sia progettata ad HOC per sfruttare il suddetto parametro id. Essendo la query_string composta solo da una variabile (non c'è nessuna concatenazione!), l'url dinamico sarà catalogato correttamente dallo spider. Pag. 16

17 URL dinamici PHP/MySQL progettati ad HOC Facciamo un passo indietro, ricordiamo i criteri d'indicizzazione di Google Google indicizza pagine dinamiche solo se sono linkate da pagine statiche Questa soluzione funziona ma non in tutti i casi garantisce che la pagina dinamica sia indicizzata. E' molto probabile che in un sito PHP/MySQL ci siamo pagine dinamiche che linkano altre pagine dinamiche e non solo statiche verso dinamiche come Google gradirebbe. Pag. 17

18 URL dinamici PHP/MySQL progettati ad HOC La soluzione appena proposta: Risolvere il problema del concatenamento Continua a dipendere dai link delle pagine statiche per avere la possibilità di far indicizzare pagine dinamiche Il problema è risolto in parte. Questa soluzione è applicabile solo a piccoli e semplici script e con poche funzioni dinamiche. Pag. 18

19 La variabile d'ambiente PATH_INFO Il problema è tutto nella query_string dell' URL dinamico. Per camuffare un URL dinamico in modo tale da far sparire i caratteri? e & della query_string è possibile utilizzare la variabile d'ambiente PATH_INFO di Apache. note preliminari: Questa soluzione è applicabile solo se gli script PHP girano su Apache, infatti la variabile d'ambiente PATH_INFO è una caratteristica del webserver. Pag. 19

20 La variabile d'ambiente PATH_INFO Supponendo di voler camuffare un URL dinamico da così a così Otterremmo che lo spider del motore di ricerca riuscirebbe a catalogare l'url ma la pagina sarebbe illeggibile (o quantomeno non completa). Lo script PHP/MySQL non funzionerebbe più perchè non riuscirebbe ad estrarre le variabili con i relativi valori presenti nella query_string. Tale problema comunque è risolvibile grazie appunto all'ausilio della varibile d'ambiente PATH_INFO di Apache. Pag. 20

21 La variabile d'ambiente PATH_INFO Prendiamo ad esempio il seguente URL dinamico camuffato Utilizzando PATH_INFO otterremmo echo $_SERVER[ PATH_INFO ] //VEDREMMO STAMAPATO A VIDEO IL TESTO // /id=10/nome=mario //cioè la query_string camufficata per gli spider L'URL appare agli spider come una pagina statica mentre invece Apache capisce che è uno script eseguendolo normalmente ignorando la parte successiva dopo.php. Apache quindi visualizzerà la pagina con l'url camuffato ma lo script PHP/MySQL non potrà estrarre le variabili contenuti nella query_string. Pag. 21

22 La variabile d'ambiente PATH_INFO E' necessario sviluppare un semplice script che sia in grado di rilevare la presenza delle variabili contenute nella query_string camuffata, che a sua volta possa restituire le coppie variabile-valore per poter eseguire lo script dinamico della pagina. Pag. 22

23 La variabile d'ambiente PATH_INFO $separators=array("/","=") ; $collection=$_server["path_info"] ; /* Togliamo il primo slash da PATH_INFO */ $collection=substr($collection,1) ; /* Nel caso in cui l'ultima variabile resti vuota e si abbia una PATH_INFO di questo tipo, pagina.php/var1=val1/var2=val2/var3=/, l'ultimo separatore crea errori quindi va tolto */ if(substr($collection,-1)==$separators[0]){ $collection=substr($collection,0,-1) ; } /* Riduciamo i separatori nell'url ad uno soltanto (gli "=" erano stati utilizzati solo per somiglianza con i normali URL dinamici (pagina.php?var=val): poi utilizzeremo un explode() per separare le variabili */ $collection = str_replace($separators[1], $separators[0], $collection); /* Ecco l'explode */ $vararray=explode($separators[0],$collection) ; Pag. 23

24 La variabile d'ambiente PATH_INFO Lo script PHP appena visto consente di dividere la query_string camuffata specificando i separatori che abbiamo scelto ( / e = ) come marcatori; i successivi segmenti di stringa saranno poi raccolti nell'array $var. Il risultato dello script applicato all'url dinamico camuffato è questo: Array ( [0] => id [1] => 10 [2] => nome [3] => mario ) Pag. 24

25 La variabile d'ambiente PATH_INFO Ordinare i valori dell'array estratti // qui va il codice che abbiamo già scritto precedentemente // dichiaro un nuovo Array e lo chiamo $_INFO $_PINFO=array() ; /* il quale ha avrà la struttura costruita in base a il segunte codice. Con Foreach attraverso l'array $var, il valore dell'indice corrente viene assegnato alla variabile $key ad ogni ciclo. */ foreach ($vararray as $key=>$value){ /* La condizione all interno di if(): attraverso l operatore modulo "%", verifica che a $_PINFO[$var[0]] venga assegnato il valore di $var[1], e a $_PINFO[$var[2]] quello di $var[3], e così via... */ if(!($key%2)){ $_PINFO["$value"]=$varArray[$key+1] ; } // fine Foreach } Pag. 25

26 La variabile d'ambiente PATH_INFO Il risultato dell'array $_INFO è Array ( [id] => 10 [nome] => mario ) In questo modo lo script PHP/MySQL può accedere ai valori delle variabili presenti // nell'url restituirà camuffato il valore della variabile presente nell'url camuffato $_INFO[ nome_variabile ]...per poi elaborarle come meglio ritiene opportuno. Pag. 26

27 Conclusioni su questa soluzione Una volta che sarà sostituita la query_string standard (con? e & ), sarà necessario obbligatoriamente modificare tutti i percorsi fino ai file. Infatti il camuffamento che produce questa soluzione funziona tanto bene da ingannare anche il browser oltre che lo spider di Google. Una buona soluzione è la scrittura dei percorsi completi dei File(escludendo solo l'host - // percorso originale <a href= pagina.php?id=10&nome=mario >link</a> // percorso completo <a href= /directory/pagina.php/id=10/nome=mario >link</a> Pag. 27

28 Riscrittura dell'url tramite Apache Questa soluzione viene eseguita per mezzo Apache quindi è un'operazione condotta a livello server. Per eseguire questa soluzione è necessario quindi avere l'accesso al webserver Apache per poter attivare la chiamata a mod_rewrite che si occupa direttamente della riscrittura dell'url per renderlo gradito a Googlebot. Il modulo mod_rewrite è già compreso nell'installazione standard di Apache quindi non sono necessarie ulteriori implementazioni di software sul server. La difficolta invece risiede nella sintassi da utilizzare per la riscrittura. Pag. 28

29 Riscrittura dell'url tramite Apache Iniziamo con la riscrittura del seguente URL che è basato su PHP, MySQL e Apache: per essere catalogato dallo spider potrebbe essere tipo... La riscrittura a cambiato: Il file dettaglio.php in una directory La query_string id=5 in un file.html Possiamo generare URL statiche (che sembrano statiche ad un spider)utilizzando un Regular Expression che attivi il modulo mod_rewrite di Apache Pag. 29

30 Riscrittura dell'url tramite Apache Il precedente risultato di riscrittura... è stato ottenuto inserendo la seguente sintassi in un file.htaccess RewriteEngine on RewriteRule ^dettaglio/([^/]+).html dettaglio.php?id=$1 Il file.htaccess deve essere posizionato nella directory dove si vuol attivare la riscrittura dell'url; nell'esempio la directory view. Anche per questa soluzione, una volta attivata, dovrete procedere alla modifica dei link all'interno del sito per permettere la navigazione tra le pagine. Pag. 30

31 Riscrittura dell'url tramite Apache La riscrittura può essere attivata anche a livello globale su di un server. In caso di macchine dedicate, è fortemente consigliato l'utilizzo del Rewrite di Apache a livello globale per centralizzare e rendere più veloci le operazioni di riscrittura. Per l'attivazione globale non dovrete creare nessun file.htaccess ma andare ad inserire la sintassi di riscrittura direttamente sul file httpd.conf (file di configurazione generale di Apache) e riavviare il webserver. Tale operazione, andando a modificare la configurazione base del webserver, è sconsigliata nel caso si proceda per tentativi alla ricerca della soluzione ottimale di riscrittura URL. Pag. 31

32 In riferimento agli argomenti trattati Informazioni su Google: Risorse riguardanti Motori di Ricerca e Web-Marketing Articoli sul url-rewriting e tecniche simili di camuffamento URL dinamici Sempre a disposizione i manuali on-line Pag. 32