# RSS重复内容：SEO问题 **URL:** https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375 **Category:** Support **Tags:** rss-polling, seo **Created:** [2024年三月14日 17:40 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375 "2024-03-14T17:40:15Z") **Posts on this page:** 6 **Page:** 1
### Author: ![ecki](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/ecki/32/264025_2.png) [@ecki](https://meta.discourse.org/u/ecki) #### Post date: [2024年三月14日 17:40 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/1 "2024-03-14T17:40:15Z")
我们使用 RSS 插件（或手动复制）来发布博客文章，并在一个类别中创建讨论锚点。Google 不喜欢这种“复制”的内容，并威胁要损害博客的 SEO 声誉。 当然，我们可以阻止 Google 索引 discourse（或该类别），但有没有人有过经验，可以以某种方式定义这是故意的。比如“这个子域名属于博客，我们不尝试建立链接农场”之类的？如果有，如何在 discourse 设置中实现？ 我大概记得，使用 `rel=nofollow` 或类似的标签至少可以解决反向链接农场的问题（不确定内容重复的问题）。有没有一个“这是副本”的标头可以安抚 Google？ ---
### Author: ![simon](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/simon/32/339122_2.png) [@simon](https://meta.discourse.org/u/simon) #### Post date: [2024年三月14日 18:43 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/2 "2024-03-14T18:43:48Z")
> [@ecki](#): > > 类似“这个子域属于博客，我们不尝试建立链接农场”之类的说法？如果是这样，如何在 Discourse 设置中实现？ `embed set canonical url` 站点设置可能有助于解决此问题： ![image](https://global.discourse-cdn.com/meta/original/4X/d/1/e/d1e1c82223eb31a65558326ce8ccd2abcf7d518a.png) 不过，值得查看 Google 的文档： - [How to Specify a Canonical with rel="canonical" and Other Methods | Google Search Central  |  Documentation  |  Google for Developers](https://developers.google.com/search/docs/crawling-indexing/consolidate-duplicate-urls) （此链接的文本为什么是法语？） - [5 common mistakes with rel=canonical  |  Google Search Central Blog  |  Google for Developers](https://developers.google.com/search/blog/2013/04/5-common-mistakes-with-relcanonical) 我链接到文档的原因是，我不确定在启用 `embed truncate` 设置时启用 `embed set canonical url` 设置的情况。当启用 `embed truncate` 时，Google 在 Discourse 上实际只能抓取到原始文章的片段。如果用户点击“显示完整帖子”按钮，完整文章将在 iframe 中显示。我很确定 iframe 内容不会被 Google 抓取。“5 个常见错误”文章中的第一点似乎解决了这个问题。 ---
### Author: ![ecki](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/ecki/32/264025_2.png) [@ecki](https://meta.discourse.org/u/ecki) #### Post date: [2024年三月15日 10:18 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/3 "2024-03-15T10:18:28Z")
感谢Simon的提示！确实，规范链接（canonical）似乎正是我想要的。我试了一下，但它并没有完全奏效，它嵌入了一个指向自身的规范URL，而不是RSS源： ``` ``` 而不是 ``` ``` （这是 stable/3.2.0） 另外，这个是否应该也被设置为特色链接（featured link）？ 在我们的例子中，我们不使用截断（truncate）（尽管RSS Feed已经被截断了）。但我希望Google仍然会接受它。 ---
### Author: ![simon](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/simon/32/339122_2.png) [@simon](https://meta.discourse.org/u/simon) #### Post date: [2024年三月15日 20:04 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/4 "2024-03-15T20:04:33Z")
> [@ecki](#): > > 我试过了，但它没有完全起作用，它嵌入了一个指向自身的规范 URL，而不是指向 RSS 源： 尝试查看页面源代码，而不是使用浏览器的网页检查器查看。我认为您会看到，当您查看页面的源代码时，规范 URL 被设置为 RSS 帖子的 URL，而当您使用网页检查器查看 HTML 时，它被设置为 Discourse 主题的 URL。如果这是正确的，您应该不会收到有关 RSS 主题的重复内容警告。 这是我在使用网页检查器查看从 Discourse RSS feed 拉入的主题时看到的内容（启用了 `embed set canonical url`）： ![image](https://global.discourse-cdn.com/meta/original/4X/0/7/8/078a41b827a2a2528b3d42a63599361d1bab0bd0.png) 这是我在查看页面源代码时看到的规范 URL（通过右键单击页面并从菜单中选择“查看页面源代码”）： ```plaintext ``` 带有正确设置的规范 URL 的查看页面源代码版本是爬虫将看到的内容。 另一种查看差异的方法是使用网页检查器，但选择 Googlebot 作为用户代理： ![image](https://global.discourse-cdn.com/meta/original/4X/9/a/1/9a1d9f5c693e171011d20c7da5043476addf01f0.png) 我认为该设置在爬虫看到的方面符合预期，但它让我感到困惑。问题似乎是 Discourse 在查看启用了 JavaScript 的页面时，会使用 JavaScript 覆盖规范 URL 属性。供参考，这发生在： [https://github.com/discourse/discourse/blob/main/app/assets/javascripts/discourse/app/instance-initializers/meta-tag-updater.js#L25-L27](https://github.com/discourse/discourse/blob/main/app/assets/javascripts/discourse/app/instance-initializers/meta-tag-updater.js#L25-L27) > [@ecki](#): > > 这也可以/应该被设置为特色链接吗？ 我认为（目前）无法为从 RSS feed 创建的主题设置特色链接。我不是 SEO 专家，但我不认为设置或不设置它会对 SEO 产生任何影响。 ---
### Author: ![ecki](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/ecki/32/264025_2.png) [@ecki](https://meta.discourse.org/u/ecki) #### Post date: [2024年三月15日 23:09 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/5 "2024-03-15T23:09:15Z")
我使用了 `curl -i | grep canon` 并看到了一个错误的标签 URL（没有标头），但我可以尝试使用不同的 UA 再次尝试（这有点奇怪），- 我不得不重新创建了帖子几次，所以也许我感到困惑。我会在此处更新。 > [@](#): > > 我认为设置或不设置它不会对 SEO 产生任何影响 确实，精选链接不是为了 SEO，但我的内部愿望是让博客链接更加可见。而且由于它是相同的 URL…… （但看起来我得到了一长串要求，所以我可能需要分叉 rss-poll（不幸的是，看起来大部分工作不是在插件中完成的）。嵌入代码是否也可以扩展？ ---
### Author: ![simon](https://sea3.discourse-cdn.com/meta/user_avatar/meta.discourse.org/simon/32/339122_2.png) [@simon](https://meta.discourse.org/u/simon) #### Post date: [2024年三月16日 16:07 UTC](https://meta.discourse.org/t/seo-problems-with-rss-duplicate-content/299375/6 "2024-03-16T16:07:11Z")
> [@ecki](#): > > 我使用了 `curl -i | grep canon` 并看到了一个错误的标签 URL 对于从 RSS feed 创建的主题，并启用了 `embed set canonical url`，我期望 `curl -i` 返回 RSS item 的 URL 作为规范 URL。在我本地站点测试时，这可以正常工作。 假设您可以访问 Discourse 的 Rails 控制台，您可以通过查找主题，然后检查其 `topic_embed` 属性来确认正在发生什么。例如： ```plaintext t = Topic.find 495 t.topic_embed ``` 或者仅仅是： ```plaintext TopicEmbed.find_by(topic_id: 495) ``` 应该会返回一个 `TopicEmbed`。它的 `embed_url` 是 Discourse 用来设置主题规范 URL 的预期值。 > [@ecki](#): > > 嵌入代码是否也可以扩展？ 我自己也曾对此感到好奇。这比修改 RSS 插件要困难，因为嵌入是 Discourse 核心代码的一部分。