在发布站点前，Web开发者需要关注哪些技术细节？

问：对于一个Web开发人员来说，在发布一个站点之前，他需要处理哪些细节性的问题。假如Jeff Atwood能在站点上忽略了对HttpOnly cookies，sitemaps和cross-site request forgeries的关注，那我还能忽略些什么呢？

以前的文章我们谈到了javascript——从「最被误解的语言」到「最流行的语言」。

对于一个设计或提供站点内容的人来说，他们总认为站点的可用性及内容总比这个平台重要的多，当然在这个方面，Web开发人员没有什么话语权。对于一 个Web开发人员来说，其更多需要关注的是站点的稳定性，是否表现良好，安全性，是否满足了其他商业目标（例如花费不少太高，构建时间不少太长，在 Google提供的搜索结果中是否有个良好的排名）。

我们可以从这个角度上讨论这个问题：一个Web开发者在可信网络环境下做了些成成果，并且他打算将这个成果部署到当前这个糟糕的互联网环境上。另外，我也寻找一个更具体的答案而非一个模糊的”Web标准”，我的意思是已经了解了HTTP上的HTML、JavaScript、CSS技术，且认为你已经是一个专业的Web开发人员。那么，除此之外还有那些标准，在什么环境下使用？为什么？请提供一个链接到标准的规范。

答：以下大部分的观点也许大部分都已知悉，但是其中有少量的观点你获取从来没有看过，别担心，你不必全部理解他们，或许对你来说你永远也不需要了解到他们。

一、接口设计及用户体验

• 你需要知道各种浏览器实现标准不一致，你需要保证你的站点在主流浏览器上能够良好运行。至少需要测试：基于Gecko引擎的浏览器（例如：Firefox），基于Webkit引擎的浏览器（例如Safari和其他一些手机浏览器），Chrome，IE及Opera。同时也需要考虑在不同的操作系统上，各种浏览器如何渲染你的站点。

• 考虑你的站点将会被如何使用：是在手机端访问，PC上的浏览器访问，亦或是搜索引擎。

• 在避免影响用户的情况下如何发布更新。是否有一个或者多个测试/临时以便在不打断站点访问的情况下进行架构、代码及内容的更新。是否有自动化的方式对在线站点进行发布。这些可以使用一套版本控制系统及自动化构建方式来有效实施。

• 不允许向用户提示不友好的错误信息。

• 不要以纯文本的方式提供出用户的email地址，因为他们会收到过多的垃圾邮件而死亡。

• 在用户生成的链接上增加rel=”nofollow”属性，以避免垃圾邮件。

• 对你的站点建立些限制，当然这应该是经过深思熟虑的-这也属于安全性范围。

• 学习如何逐步提高站点功能。

•  为避免重复提交，当POST成功执行后需要进行页面跳转。

•  不要忘记考虑辅助功能。它总是一个好主意，且在某些情况下这是一个法律要求。 WAI-ARIA和WCAG2个在这方面的良好资源。

• 不要让我想该如何进行操作。

二、安全性

•  有很多需要阐述，但是OWASP开发指南中依据对Web站点安全性从头到脚进行了介绍。

•  要了解注入特别是SQL注入，并学会如何避免他。

•  永远不要相信用户的输入，也不是来自于请求别的(包括cookie和隐藏的表单字段值)。

•  不要使用单独类似MD5或SHA加密策略，在进行散列密码值时，使用作料或多种作料以防止彩虹攻击。对于短密码，采用一个短散列算法处理，例如：bcrypt或scrypt。

• 不要使用你想象中的身份认证系统，很容易得到一个微妙的错误和不可测试的问题，甚至你自己都不知道会怎么回事。

• 了解处理信用卡规则。

• 使用SSL/HTTPS处理任何敏感数据。

• 防止会话劫持。

• 避免跨站点脚本攻击。

• 避免跨站点请求伪造。

• 避免点击劫持。

• 确保你的系统安装了最新的补丁。

• 确保你的数据库连接信息是安全的。

• 了解最新的攻击技术以免影响到你的平台。

•  阅读谷歌安全手册。

•  阅读web应用程序黑客手册。

• 考虑最小权限的负责人机制。

三、性能

• 如果有必要的话实现缓存策略。理解Http caching和html5 manifest并在合适的地方使用它们。

• 优化图像-不要使用20 KB大小的图像做重复背景。

• 了解如何gzip/deflate内容。

• 合并/连接多个样式表或多个脚本文件，以减少浏览器连接的数量，并通过gzip来压缩多个文件中的重复内容。

• 阅览雅虎卓越性能站点，其中包含大量很棒的指南，例如端到端的性能提升方法，YSlow工具。Goole page speed是是一个优化参考的好去处。

• 使用CSS image sprite技术减少图片请求。(ps:前段时间用node-canvas做了个本地化的css-sprite工具，有需要的可以找我拿源码^_^)。

• 访问量大的站点可以将内容划分到多个域下，但不要超过4个域。

• 静态内容(例如图片，css文件，js文件及一些静态文本)应该存放在一个单独的域下面，并且不能使用cokies，因为在每次请求时，都会将cookies带上。CDN(内容分发网络)是一个不错的选择。

• 减少一个浏览器页面上发起的http请求数量。

• 使用JavaScript文件压缩技术。

•  确保在站点的根目录下有一个favicon.ico文件，即使该文件未被任何使用，流量器也会自动加载它。如果没有这个文件的话，将会导致大量的404错误，从而占用你的服务器带宽。

四、SEO（搜索引擎优化）

• 使用搜索引擎友好的的url，例如：使用example.com/pages/45-article-title 而非example.com/index.php?page=45

• 当使用＃动态内容更改＃到＃！然后在服务器$_REQUEST[“_escaped_fragment_”]是什么Googlebot使用，而不是＃！换句话说，＃！页= 1/变成/？_escaped_fragments_=页= 1。此外，对于可能使用FF.b4或铬，history.pushState用户（{“foo”的：“酒吧”}“。？/页=1”，“关于”，）;是一个伟大的命令。因此，即使在地址栏改变了页面不会重新加载。这使您可以使用？而不是＃！保持动态内容，并告诉服务器当您发送电子邮件，我们是这个页面后的链接，以及AJAX并不需要再作额外的要求。（Google翻译，没有完全理解…）

• 不要使用”click here”这样的链接，这样会浪费SEO的机会并且也会让人更加难以理解。

• 要有一个XML站点地图，最好是在默认位置/sitemap.xml的。

• 当你有两个指向不同的地址，可以使用<link rel="canonical".../>，这个问题也可以从谷歌网站管理员

• 使用Google Webmaster Tools 和 Bing Webmaster Tools.

• 使用Google Analytics。

• 了解机器人搜寻算法和搜索引擎爬虫的工作方式。

• 重定向请求（使用301永久移动）要求www.example.com到example.com（或者反过来），以防止分裂谷歌两个网站之间的排名。

• 你还要知道还有很多恶心的爬虫程序运作在网络上。(以前在做一个百科词条整理时，对某网站的词条进行了深度遍历，但程序运行不久IP就被封杀了。)

五、技术点

• 理解HTTP协议，例如：GET，POST，Session，Cookies以及“无状态”的含义。

• 根据W3C规范写你的XHTML/ HTML和CSS，并确保他们通过验证。这是为了避免浏览器的使用非标准的浏览器，如屏幕读取器和移动设备的正常工作。

• 了解JavaScript在浏览器中的运行机制。

• 理解JavaScript、css及其他资源在页面上是如何被加载的，并考虑他们对性能的影响。现在普遍接受将脚本放在应用程序或html5底部执行。

• 了解JavaScript沙箱的工作原理，特别是如果你打算使用iframe。

• 你要注意到JavaScript是可以被禁止的，并且AJAX是一个拓展而非基线。很多普通用户已经离开了它，NoScript越来越受欢迎，移动设备或许不会像你想象的那样运行，谷歌将无法运行大部分的的JavaScript。(不解，noscript标签是定义在未能执行js时的输出，当是当前js横行的时代，真的还有很多用户禁用js吗？？？)

• 理解重定向301和302的区别。(这也是SEO中的一项)

• 尽可能深入了解你的开发环境。

• 考虑使用Reset CSS或Normalize.css。

• 考虑JavaScript框架（如jQuery，MooTools，Prototype，Dojo或YUI3），这将使用JavaScript进行DOM操作时，隐藏了很多的浏览器差异。

• 考虑到JS框架及性能，可以使用一个服务，如谷歌库API来加载框架，使浏览器可以使用它已经缓存，而不是从你的网站下载一个副本的框架副本。(CDN)

• 不要重复造轮子。做任何事情之前先搜索关于如何做到这一点的组件或例子。有99％的可能性有人已经做到了和发布了一个开源版本的代码。

• 在明确你的需求之前，不要使用20个库去堆砌功能。特别是在客户端访问，其最重要的就是让事情轻便、快速和灵活。

六、Bug修复

• 你要知道你将要花费80%的时间去维护你20%时间写的代码，所以编码时请仔细。

• 建立一个良好的错误报告解决方案。

• 有一个能让大家提供建议或提出批评的系统。

• 将未来支持的功能及维护人员记录在文档中。

• 频繁的备份！ （并且确保这些备份是功能性）埃德·卢卡斯的回答有一些忠告。有一个恢复策略，而不只是一个备份策略。

• 有一个版本控制系统来存放文件，例如Subversion，Mercurial或Git。

• 不要忘记做些验收测试，类似Selenium框架可以提供方便。

• 请确保您有足够的日志记录在案，例如使用框架log4j，log4net或log4r。如果你的网站发生了错误，你要知道发生了什么事情。

• 当登录时请务必同时捕获处理异常和未处理的异常。报告/分析日志的输出，因为它会告诉你网站中的关键问题。

很多知识都省略了，并不是因为他们不是有用的答案，而是它们要么过于详细，要么超出了范围，亦或对某些人来说过于深入。大家应该知道这知识概述，请随意畅谈，因为我可能错过了一些东西或者也犯了一些错误。 

推荐阅读：

• HttpOnly Cookie：一种缓解XSS跨站点脚本攻击的技术；http://desert3.iteye.com/blog/869080；http://blog.codinghorror.com/protecting-your-cookies-httponly/

• Sitemap: 通常以xml文件方式，方便网站管理员通知搜索引擎他们网站上有哪些可供抓取的网页，以便搜索引擎可以更加智能地抓取网站。http://blog.codinghorror.com/the-importance-of-sitemaps/

• Cross-Site Request Forgeries：跨站请求伪造 http://blog.codinghorror.com/cross-site-request-forgeries-and-you/

• OWASP:开放式Web应用程序安全项目（OWASP，Open Web Application Security Project）是一个组织，它提供有关计算机和互联网应用程序的公正、实际、有成本效益的信息。其目的是协助个人、企业和机构来发现和使用可信赖软件。https://www.owasp.org/index.php/Category:OWASP_Guide_Project

• HTML5 Manifest：离线缓存http://www.html5rocks.com/zh/tutorials/appcache/beginner/

• deflate：DEFLATE是同时使用了LZ77算法与哈夫曼编码（Huffman Coding）的一个无损数据压缩算法。http://zh.wikipedia.org/wiki/DEFLATE

• CDN：Content Delivery Network(内容分发网络)

• 内容分发网络是一种新型网络内容服务体系，其基于IP网络而构建，基于内容访问与应用的效率要求、质量要求和内容秩序而提供内容的分发和服务。http://baike.baidu.com/view/8689800.htm?fromtitle=CDN&fromid=420951&type=search

• 雅虎站点性能优化：https://developer.yahoo.com/performance/rules.html

• Google page speedhttps://developers.google.com/speed/docs/best-practices/rules_intro

• Http 301,302http://blog.csdn.net/ghj1976/article/details/1794684

• Normalize.css 与 Reset CSS区别；Normalize.css与Reset CSS主要为定义浏览器统一的默认样式。http://stackoverflow.com/questions/6887336/what-is-the-difference-between-normalize-css-and-reset-css

• HTML rel canonical 属性值；rel canonical 属性值 -- rel="canonical"属性让搜索引擎知道当前网站中的重复或相似网页中，哪一个页面才是站长想让其抓取与收录的。http://en.wikipedia.org/wiki/Canonical_link_element、http://tools.ietf.org/html/rfc6596

• Google Analytics：企业级的网站分析服务http://www.google.com/analytics/

• Robots.txt(Robots exclusion standard) http://en.wikipedia.org/wiki/Robots_exclusion_standard