搜索引擎的预处置

期殊抓取的原始页面其实不克不及直接用于查询排名，需求对其进行必然的处置。 这个处置的过程称为预处置，搜索引繁预处置的环节是在后盾提早完成的，用户搜索时觉得不到这个过程。搜索引擎预处置共分为六步。视索引擎须处置。波及到优化网站中的多个环节，因而，把握搜索引擎预处置的道理，可以更疾速地了解优化网站的各个因素。

(1)提取文字

此刻的搜索引擎仍是以文字内容为根蒂根基，从网页文件中去除标签、程序，提掏出可以用于排名的网页文字内容。

同时，需求注重，在优化网站时，页面内容尽可能以文字为主，便当蜘蛛提取用于排名的内容。

(2)中文分词

搜索引擎将抓取到的页面中的文字提掏出来后，需求对提掏出的文字进行拆分重组，这个过程称为中文分词。

英文等言语，单词与单词之间有空格作为自然分开，搜索引擎索引程序可以直接把句子划分为单词的连系。而中文，词与词之间没有任何分开符，一个句子中的一切字和词都是连在起的。 搜索引擎必需起首辨别哪多少字构成一个词， 哪些字自己就是一个词。

进行中文分词时，起重要把网页中提取的文字根据词组进行划分，“连衣裙批发”可以分词为“连衣裙”“批发”“连衣裙批发”。

在分词时，对内容没有任何影响却大量泛起的词会被搜索引擎自动过滤，如的、地、得、啊、哦、呀、不单、并且等。

搜索引擎对页面的分词取决于词库的规模、精确性和分词算法的好坏，而不是取决于页面自己怎样，因而seo职员对付分词所能做的很少。独一能做的是在页面上用某种模式提示搜索引擎，某多少字应该被当成一个词处置，尤为是能够发生歧义的时辰，在页面题目处泛起关键词，或者运用标签强调关键词。

(3)去除反复页面

将分词后的页面进行对比，去除反复内容的页面。

统一篇文章常常会反复泛起在差别网站及统一个网站的差别网址上，搜索引擎其实不喜欢这类反复性的内容。用户搜索时，若是在搜索后果页排名靠前的位置看到的都是来自差别网站的统一篇文章，用户体验就会很差。对付搜索引擎而言，更倾向于网站更新高质量的原创内容，如许做契合搜索引擎的根本准则。

搜索引擎倾向于原创，因而，seo职员应该知道简略地添加“的”“地”“得”、换取段落递次这类所谓的伪原创，其实不克不及逃过搜索引擎的去重算法。优化网站时，更新高质量的内容才是真谛。

(4)计较网页重要度

搜素引擎会根据网页的被指向链接数及页面的原创性两个因素综合判断，计较出页面的重要水平。

因而，为网站添加指向链接、普及页面的原创度，是seo职员应该器重的内容。

(5)建立索引

建立索引，是建立关键词与网站制作页之间的对应关系。建立索引的最大益处在于可以疾速获取对应的数据。简略来讲，搜索一个关键词后，搜索引擎能够在很短的时间内将一切相干的内容进行展示，寄托的就是提早对页面建立了索引。