百度网站改版页面地址url正则表达式怎么写

搭建的十堰信息网断断续续更新两年，虽然实行免费发布机制，可能没有知名度吧，一直没有什么起色，但是坚持没有关站，这是值得表扬自己的地方。最近更新文章居然可以日收录，发布文章一般3小时内收录，也算是对站长坚持不辍的报答，于是想在细节上完善下，将部分目录别名化，对seo应该好处。但问题随之而来，原来的目录url形如/zhaopin/gongren/s131_a0_m0_p1.html，别名化后形如/zhaopin/gongren/，百度已经收录大量旧索引页面，搜索来路点击找不到旧页面，导致提示大量404。

看到百度站长后台可以使用“网站改版”工具进行处理，站长进行一番尝试，反复写正则表达式，建立了新旧url的对应关系。将各位站长最头疼的正则写法基本解决，顺便做个教程供大家参考：

一、网站改版前准备工作

1）首先您要将改版前的旧链接全部通过301跳转到改版后的新链接，并且这种跳转必须是一一对应的关系，不能出现多条旧链接跳转到一条新链接，或者一条旧链接在不同时间内跳转到不同新链接的情况。
2）如果改版后产生新的站点，无论是www主站点还是二级域名，都需要将新站点在百度搜索资源平台进行验证，以保证明您拥有该站点的管理权限。

二、网站改版工具注意事项

1）改版规则中的新旧链接一定要使用301的方式进行跳转。
2）建议您尽量使用站点改版和规则改版，会有比较短的处理周期，也缩短后续您反馈问题的追查用时。
3）百度搜索资源平台对改版规则的校验时间范围为0.5——2小时，改版生效时间范围为12——48小时，整体来看，您从提交改版规则到线上生效，最短12.5小时，最长50小时。
4）改版完成后不要立即清除跳转关系，保持跳转关系至少三个月，网站避免出现校验失败原因中的问题。

5）站点改版针对全站域名更换的改版方式,新旧网站url除站点名不同外其他地址信息均一致，否则改版校验失败.

6）规则改版使用正则表达式描述改版内容的改版方式

本站不是更换域名，那么采用规则改版。

三、正则表达式格式说明

以站点news.a.com改版到站点a.com/news为例:

改版前url地址为http://news.a.com/09/1001/07/5KH8DE1F000120GR.html，

其对应的改版后url地址为http://a.com/news/09/1001/07/5KH8DE1F000120GR.html

步骤一：确定改版前链接中的可替换参数或者路径，得到其位置序号和类型。
改版前页url：

根据网站自身url的层次结构，其中09,1001,07和5KH8DE1F000120GR为动态可替换的路径。除5KH8DE1F000120GR为字母和数字混合外，其余均为纯数字。

步骤二：根据可替换参数或路径的类型，得到改版后链接的表达形式。
使用正则匹配符号(\d+)或者(\w+)表示该路径或参数。(\d+)表示纯数字字符串，(\w+)表示字母数字下划线组成的字符串。


步骤三：根据改版后url，以及可替换参数在步骤一中的位置序号，依次用${1}，${2}，……表示替换掉改版前url中的可替换参数或路径，得到改版后链接pattern形式。


至此，便得到了改版前后的规则：
http://news.a.com /(\d+)/(\d+)/(\d+)/(\w+).html
http://a.com/news/${1}/${2}/${3}/${4}.html

四、正则表达式写法示例（以十堰招聘栏目为例）

需求：旧目录页url  /zhaopin/gongren/s131_a0_m0_p1.html经改版不能访问，需要对应到新目录页url   /zhaopin/gongren/上。如果仅此一条不用大费周章，但是还有其他不少类似栏目，改起来就费劲，需要通过广泛的正则表达式进行匹配，使新旧url之间建立对应关系。下面开始分析正则表达式写法。

旧url：/zhaopin/gongren/s131_a0_m0_p1.html

正则写法：/(\w+)/(\w+)/(\w+).html

释义：(\w+)匹配含字母数字及下划线的字符串，zhaopin、gongren、s131_a0_m0_p1都可以匹配。

新url：/zhaopin/gongren/（注意不要后面的参数）

正则写法：/${1}/${2}/

释义：${1}表示引用上面第一个参数(\w+)，即zhaopin字符串；${2}表示表示引用上面第二个参数(\w+)，即gongren。/${1}/${2}/即引用/zhaopin/gongren/。

但根据站内页面分析，信息详情页的url是/zhaopin/shouhou/6737.html，使用/(\w+)/(\w+)/(\w+).html同样可以匹配，但信息详情页与目录页是不一样的，信息详情页百度收录页面可以正常访问，自然不需要将具体页面转到目录页上（而且是错误的），这样必须改写旧url规则，使之精准匹配到旧目录url上，而不匹配到信息详情页上。

再次分析旧url：/zhaopin/gongren/s131_a0_m0_p1.html

除了/zhaopin/gongren/，还包括s131_a0_m0_p1，后面字符串参数中s、a、m、p固定不变，变化的只是数字id，那么采用下面写法。

正则写法：/(\w+)/(\w+)/s(\d+)_a(\d+)_m(\d+)_p(\d+).html

释义：/(\w+)/(\w+)/匹配/zhaopin/gongren/；s(\d+)_a(\d+)_m(\d+)_p(\d+)精准匹配s131_a0_m0_p1，正则(\d+)表示匹配1位及1位以上数字。

最终可以提交百度改版的正则表达式写法：

旧url：/(\w+)/(\w+)/s(\d+)_a(\d+)_m(\d+)_p(\d+).html

新url：/${1}/${2}/