Axtarış nəticələrinə hansı fayllar daxil edilə bilər?

Yandex HTML ilə yanaşı müəyyən edilmiş fayl formatlarını indeksləşdirir; hər biri 10 MB-a qədər: PDF; Microsoft Office DOC, DOCX, XLS, XLSX, PPT, PPTX; OpenOffice ODT, ODS, ODP, ODG; RTF və TXT mətn formatları; və Flash SWF. Uzun URL-lər (çoxlu CGI parametrləri və ya dax-dax qovluqlar) formatından asılı olmayaraq indeksləşmənin qarşısını ala bilər.

PDF: sənədin mövcud olub-olmadığını müəyyən edən qaydalar

• Yalnız mətn məzmunu indeksləşdirilir. Şəkil kimi təqdim olunan mətnlər isə yox.
• Yalnız şəkillərdən ibarət PDF-in yalnız ilk üç səhifəsi indeksləşdirilir.
• Mətni ehtiva edən PDF tam olaraq indeksləşdirilir.

Həmin orta qayda üzərində dayanmağa dəyər. Qırx səhifəlik skan edilmiş kataloq əsasən heç nədən ibarət olmayan üç səhifə təqdim edir. Mahiyyəti PDF-lərdə olan hər hansı təşkilat — istehsalçılar, peşəkar xidmətlər, dövlət qurumları üçün skan edilmiş sənədlə mətn əsaslı sənəd arasındakı fərq aktivlə ölü yük arasındakı fərq kimidir. Arxivdə OCR işlətmək çox vaxt mövcud olan tək ən yüksək dəyərli indeksləşdirmə işidir.

SWF

Birbaşa əlaqələndirildikdə və ya object və ya embedilə yerləşdirildikdə indeksləşdirilir. Yandex DefineText, DefineText2, DefineEditText və Metadata-dən mətnləri, həmçinin DoAction, DefineButton və DefineButton2-dən keçidləri indeksləşdirir. SWF daxilindəki faydalı məzmun robotu onu yerləşdirən səhifəyə qaytara bilər.

Çərçivələr

frameset və frame icazəlidir: robot yüklənmiş məzmunu indeksləşdirir və çərçivə məzmunundan mənbə sənədini müəyyən edir. Yüklənmiş sənədləri notindekslənməyən iframe ilə olan ziddiyyətə diqqət yetirin.

Bununla nə etməli

Hansı sənədlərin real dəyər daşıdığını yoxlayın, skan deyil, mətn olduqlarını təsdiqləyin, 10 MB-dan aşağı saxlayın və onlara təmiz, qısa URL-lər verin. Sonra onları səhifələr kimi qəbul edin: müvafiq səhifədən link verilmiş, yaxşı adlandırılmış, mətn daşıyan PDF indekslənə bilən məzmundur, parametrli yükləmə URL-nin arxasındakı 60 MB-lıq skan isə yox.