搜索引擎的預(yù)處理發(fā)布者：本站     時(shí)間：2019-08-09 10:08:10

    期殊抓取的原始頁(yè)面并不能直接用于查詢排名，需要對(duì)其進(jìn)行一定的處理。 這個(gè)處理的過(guò)程稱為預(yù)處理，搜索引繁預(yù)處理的環(huán)節(jié)是在后臺(tái)提前完成的，用戶搜索時(shí)感覺(jué)不到這個(gè)過(guò)程。搜索引擎預(yù)處理共分為六步。視索引擎須處理。涉及到網(wǎng)站優(yōu)化中的多個(gè)環(huán)節(jié)，因此，掌握搜索引擎預(yù)處理的原理，可以更快速地理解網(wǎng)站優(yōu)化的各個(gè)因素。

(1)提取文字
 
現(xiàn)在的搜索引擎還是以文字內(nèi)容為基礎(chǔ)，從網(wǎng)頁(yè)文件中去除標(biāo)簽、程序，提取出可以用于排名的網(wǎng)頁(yè)文字內(nèi)容。
 
同時(shí)，需要注意，在優(yōu)化網(wǎng)站時(shí)，頁(yè)面內(nèi)容盡量以文字為主，方便蜘蛛提取用于排名的內(nèi)容。
 
(2)中文分詞
 
搜索引擎將抓取到的頁(yè)面中的文字提取出來(lái)后，需要對(duì)提取出的文字進(jìn)行拆分重組，這個(gè)過(guò)程稱為中文分詞。
 
英文等語(yǔ)言，單詞與單詞之間有空格作為天然分隔，搜索引擎索引程序可以直接把句子劃分為單詞的結(jié)合。而中文，詞與詞之間沒(méi)有任何分隔符，一個(gè)句子中的所有字和詞都是連在起的。 搜索引擎必須首先分辨哪幾個(gè)字組成一個(gè)詞， 哪些字本身就是一個(gè)詞。
 
進(jìn)行中文分詞時(shí)，首先要把網(wǎng)頁(yè)中提取的文字按照詞組進(jìn)行劃分，比如“連衣裙批發(fā)”可以分詞為“連衣裙”“批發(fā)”“連衣裙批發(fā)”。
 
在分詞時(shí)，對(duì)內(nèi)容沒(méi)有任何影響卻大量出現(xiàn)的詞會(huì)被搜索引擎自動(dòng)過(guò)濾，如的、地、得、啊、哦、呀、不但、而且等。
 
搜索引擎對(duì)頁(yè)面的分詞取決于詞庫(kù)的規(guī)模、準(zhǔn)確性和分詞算法的好壞，而不是取決于頁(yè)面本身如何，因此SEO人員對(duì)于分詞所能做的很少。唯一能做的是在頁(yè)面上用某種形式提示搜索引擎，某幾個(gè)字應(yīng)該被當(dāng)做一個(gè)詞處理，尤其是可能產(chǎn)生歧義的時(shí)候，比如在頁(yè)面標(biāo)題處出現(xiàn)關(guān)鍵詞，或者使用標(biāo)簽強(qiáng)調(diào)關(guān)鍵詞。
 
(3)去除重復(fù)頁(yè)面
 
將分詞后的頁(yè)面進(jìn)行對(duì)比，去除重復(fù)內(nèi)容的頁(yè)面。
 
同一篇文章經(jīng)常會(huì)重復(fù)出現(xiàn)在不同網(wǎng)站及同一個(gè)網(wǎng)站的不同網(wǎng)址上，搜索引擎并不喜歡這種重復(fù)性的內(nèi)容。用戶搜索時(shí)，如果在搜索結(jié)果頁(yè)排名靠前的位置看到的都是來(lái)自不同網(wǎng)站的同一篇文章，用戶體驗(yàn)就會(huì)很差。對(duì)于搜索引擎而言，更傾向于網(wǎng)站更新高質(zhì)量的原創(chuàng)內(nèi)容，這樣做符合搜索引擎的基本原則。
 
搜索引擎傾向于原創(chuàng)，因此，SEO人員應(yīng)該知道簡(jiǎn)單地增加“的”“地”“得”、調(diào)換段落順序這種所謂的偽原創(chuàng)，并不能逃過(guò)搜索引擎的去重算法。優(yōu)化網(wǎng)站時(shí)，更新高質(zhì)量的內(nèi)容才是真理。
 
(4)計(jì)算網(wǎng)頁(yè)重要度
 
搜素引擎會(huì)根據(jù)網(wǎng)頁(yè)的被指向鏈接數(shù)及頁(yè)面的原創(chuàng)性兩個(gè)因素綜合判斷，計(jì)算出頁(yè)面的重要程度。
 
因此，為網(wǎng)站增加指向鏈接、提高頁(yè)面的原創(chuàng)度，是SEO人員應(yīng)該重視的內(nèi)容。
 
(5)建立索引
 
建立索引，是建立關(guān)鍵詞與網(wǎng)站建設(shè)頁(yè)之間的對(duì)應(yīng)關(guān)系。建立索引的最大好處在于可以快速獲取對(duì)應(yīng)的數(shù)據(jù)。簡(jiǎn)單來(lái)說(shuō)，搜索一個(gè)關(guān)鍵詞后，搜索引擎能夠在很短的時(shí)間內(nèi)將所有相關(guān)的內(nèi)容進(jìn)行展現(xiàn)，依靠的就是提前對(duì)頁(yè)面建立了索引。