想要做好SEO，最關(guān)鍵的是把握好搜索引擎的工作原理，想要全面的了解搜索引擎，還需要了解搜索引擎的處理規(guī)則都有哪些，只有這樣才能做到有的放矢。     　　第一，提取文字?，F(xiàn)在的搜索引擎主要還是以文字內(nèi)容為基礎(chǔ)的，蜘蛛抓取到的頁面中的HTML代碼，除了用戶在瀏覽器上可以看到的可見文字處，還包含了大量的HTML格式標簽，JavaScript程序等無法用于排名的內(nèi)容，搜索引擎預(yù)處理首先要做的就是從HTML文件中去除標簽、程序，提取出可以用于排名處理的網(wǎng)頁面文字內(nèi)容。   　　第二，中文分詞。分詞是中文搜索引擎特有的步驟。搜索引擎存儲和處理頁面及用戶搜索都是以詞為基礎(chǔ)的。英文等語言單詞與單詞之間有空格分隔，搜索引擎索引程序可以直接把句子劃分為單詞的集合。而中文詞與詞之間沒有任何分隔符，一個句子中所有字和詞都是連在一起的。搜索引擎必須首先分辨哪幾個詞組成一個詞，哪些字本身就是一個詞。   　　第三，去停止詞。無論是英文還是中文，頁面內(nèi)容中都會有一些出現(xiàn)頻率很高，卻對內(nèi)容沒有任何影響的詞，如“的”、“地”、“得”之類的助詞，而搜索引擎在索引頁面之前會去掉這些停止詞，使索引數(shù)據(jù)主題更為突出，減少無謂的計算量。   　　第四，去除噪音。絕大部分頁面上還有一部分內(nèi)容對頁面主題也沒有什么貢獻，比如版權(quán)聲明文字，導(dǎo)航條、廣告等。而這寫沒什么貢獻的內(nèi)容就都屬于噪聲，對頁面主題只能起到分散作用。   　　第五，去重。去重的基本方法是對頁面特征關(guān)系詞計算指指紋，也就是說從頁面主體內(nèi)容中選取最有的一部分關(guān)鍵詞，然后計算這些關(guān)鍵詞的數(shù)字指紋。這些關(guān)鍵詞選取是在分詞、去停止詞、消噪之后。

標簽：鹽城 烏魯木齊 九江 東營 林芝