搜索引擎的預(yù)處理

發(fā)布：2018-11-13 17:01:32 瀏覽：4853

期殊抓取的原始頁面并不能直接用于查詢排名，需要對其進行一定的處理。這個處理的過程稱為預(yù)處理，搜索引繁預(yù)處理的環(huán)節(jié)是在后臺提前完成的，用戶搜索時感覺不到這個過程。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)頁文件中去除標簽、程序，提取出可以用于排名的網(wǎng)頁文字內(nèi)容。

同時，需要注意，在優(yōu)化網(wǎng)站時，頁面內(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面中的文字提取出來后，需要對提取出的文字進行拆分重組，這個過程稱為中文分詞。

英文等語言，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，詞與詞之間沒有任何分隔符，一個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字組成一個詞，哪些字本身就是一個詞。

進行中文分詞時，首先要把網(wǎng)頁中提取的文字按照詞組進行劃分，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，對內(nèi)容沒有任何影響卻大量出現(xiàn)的詞會被搜索引擎自動過濾，如的、地、得、啊、哦、呀、不但、而且等。

搜索引擎對頁面的分詞取決于詞庫的規(guī)模、準確性和分詞算法的好壞，而不是取決于頁面本身如何，因此SEO人員對于分詞所能做的很少。唯一能做的是在頁面上用某種形式提示搜索引擎，某幾個字應(yīng)該被當(dāng)做一個詞處理，尤其是可能產(chǎn)生歧義的時候，比如在頁面標題處出現(xiàn)關(guān)鍵詞，或者使用標簽強調(diào)關(guān)鍵詞。

(3)去除重復(fù)頁面

將分詞后的頁面進行對比，去除重復(fù)內(nèi)容的頁面。

同一篇文章經(jīng)常會重復(fù)出現(xiàn)在不同網(wǎng)站及同一個網(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，如果在搜索結(jié)果頁排名靠前的位置看到的都是來自不同網(wǎng)站的同一篇文章，用戶體驗就會很差。對于搜索引擎而言，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)，并不能逃過搜索引擎的去重算法。優(yōu)化網(wǎng)站時，更新高質(zhì)量的內(nèi)容才是真理。

(4)計算網(wǎng)頁重要度

搜素引擎會根據(jù)網(wǎng)頁的被指向鏈接數(shù)及頁面的原創(chuàng)性兩個因素綜合判斷，計算出頁面的重要程度。

因此，為網(wǎng)站增加指向鏈接、提高頁面的原創(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)頁之間的對應(yīng)關(guān)系。建立索引的最大好處在于可以快速獲取對應(yīng)的數(shù)據(jù)。簡單來說，搜索一個關(guān)鍵詞后，搜索引擎能夠在很短的時間內(nèi)將所有相關(guān)的內(nèi)容進行展現(xiàn)，依靠的就是提前對頁面建立了索引。