搜索引擎的預處理發(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(xún)排名，需要對其進(jìn)行一定的處理。 這個(gè)處理的過(guò)程稱(chēng)為預處理，搜索引繁預處理的環(huán)節是在后臺提前完成的，用戶(hù)搜索時(shí)感覺(jué)不到這個(gè)過(guò)程。搜索引擎預處理共分為六步。視索引擎須處理。涉及到網(wǎng)站優(yōu)化中的多個(gè)環(huán)節，因此，掌握搜索引擎預處理的原理，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
 
現在的搜索引擎還是以文字內容為基礎，從網(wǎng)頁(yè)文件中去除標簽、程序，提取出可以用于排名的網(wǎng)頁(yè)文字內容。
 
同時(shí)，需要注意，在優(yōu)化網(wǎng)站時(shí)，頁(yè)面內容盡量以文字為主，方便蜘蛛提取用于排名的內容。
 
(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，需要對提取出的文字進(jìn)行拆分重組，這個(gè)過(guò)程稱(chēng)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)，對內容沒(méi)有任何影響卻大量出現的詞會(huì )被搜索引擎自動(dòng)過(guò)濾，如的、地、得、啊、哦、呀、不但、而且等。
 
搜索引擎對頁(yè)面的分詞取決于詞庫的規模、準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)字應該被當做一個(gè)詞處理，尤其是可能產(chǎn)生歧義的時(shí)候，比如在頁(yè)面標題處出現關(guān)鍵詞，或者使用標簽強調關(guān)鍵詞。
 
(3)去除重復頁(yè)面
 
將分詞后的頁(yè)面進(jìn)行對比，去除重復內容的頁(yè)面。
 
同一篇文章經(jīng)常會(huì )重復出現在不同網(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性的內容。用戶(hù)搜索時(shí)，如果在搜索結果頁(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(hù)體驗就會(huì )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人員應該知道簡(jiǎn)單地增加“的”“地”“得”、調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)量的內容才是真理。
 
(4)計算網(wǎng)頁(yè)重要度
 
搜素引擎會(huì )根據網(wǎng)頁(yè)的被指向鏈接數及頁(yè)面的原創(chuàng )性?xún)蓚€(gè)因素綜合判斷，計算出頁(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人員應該重視的內容。
 
(5)建立索引
 
建立索引，是建立關(guān)鍵詞與網(wǎng)站建設頁(yè)之間的對應關(guān)系。建立索引的最大好處在于可以快速獲取對應的數據。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)間內將所有相關(guān)的內容進(jìn)行展現，依靠的就是提前對頁(yè)面建立了索引。