seo教程：搜索引擎优化入门与进阶笔记

《seo教程：搜索引擎优化入门与进阶笔记》由会员分享，可在线阅读，更多相关《seo教程：搜索引擎优化入门与进阶笔记（7页珍藏版）》请在装配图网上搜索。

1、S,欢迎访问 搜索引擎工作原理 收录流程 1、提交 url 是一个被动且费时间的行为。 2、建立外链，外链的数量、质量及相关性左右着录入时间，是主动的。 页面收录方式 页面收录使用的策略，目的是从互联网筛选出相对重要的信息。 若使用相同抓取策略，在同一站中抓取页面资源更具效率，那么则会再网站上停留更长的时 间，收录的页面数自然也就爱更多。 广度优先。 优点：优先抓取重要的页面。 应对策略：将重要信息设计在较浅层次的页面上 深度优先。 优点：页面需求的长尾，抓取更多冷门、隐藏的页面，满足更多用户的需求。 应对策略：重要信息放置在多层次的页面上。 用户提交。 优

2、点：大大提高页面收录效率、数量和收录页面的质量。 如何避免重复收录（页面重复、内容重复） 网站中的重复信息：转载内容、镜像内容。 重复信息的影响：占用硬盘、延长用户搜素时间 权重：原创＞转载＞镜像（几乎完全被忽略） 转载页面 比较多个被划分为N个区域页面的M个区域。若M＞A （某阀值），则互为转载。 通过比较最后修改时间、页面权重等因素判断哪个是原创。 镜像页面 比较多个被划分为 N 个区域的页面，若 N 个区域内容完全一样，则认为这些页面互为镜像 页面。 判断原创如转载一样。 镜像网站 狭义的镜像网站是指内容完全相同的网站。 形成原因：1、多个域名或IP指向同一服务器的同

3、一个物理目录； 2、整个网站内容被复制到使用不同域名或IP的服务器上。 识别源网站是通过判断这些网站的首页以及首页直接链接的页面是否互为镜像页面。再 综合多项因素（如网站权重值、建立时间等）识别。 镜像网站只收录极少页面，甚至不收录页面。 页面维护方式 为让搜索引擎适应网站的不断变化和缺录。 定期抓取 周期性针对全部已收录页面进行维护。 页面权重的再分配也是与页面维护同步进行。 适用于页面较少，内容更新慢的网站。 缺点：由于维护周期长，是的不能及时向用户反映更新期间页面的变化情况。 增量抓取 对已抓取的页面进行定时监控，实现对页面的更新及维护。（不现实） 基于80/20 法

4、则，搜索引擎只针对某些重要页面网站中部分重要页面进行定时监控，即可获 取网站中相对重要的信息。 优点：对重要页面的内容更新会及时发现新内容、新链接、并删除不存在的信息。 分类定位抓取 根据页面的类别或性质而制定相应更新周期的页面监控方式。 新闻资讯周期小于资源下载的周期。 大型门户网站内容更新速度比小型快。 优点：大大提高页面抓取的灵活性和实时性。 补充：各种抓取方式组合抓取页面。 页面存储 搜索引擎能否在抓取页面的过程中获取到更多有价值的信息会直接影响搜索引擎的工作效 率及排序结果的质量。所以搜索引擎除了存储原始页面外，还会附加一系列的信息（如文件 类型、文件大小、最后修改时间

5、、rul、ip地址、抓取时间等），再把这些作为开展某项工作 的依据。 网页分析 对原始页面进行一系列的分析、处理，以迎合用户信息查询的习惯。建立关键字索引与反向 索引，分配权值。 丽I 1E丈信息 如图2訂所示*攪絮引繫肯先对存错的原蜡建立囊弓I*再过瀧飙始网页的标签宿息丫从 中提取出网页中的正立内容：耕后，时嘟怪藝璽竺甘建立关醴字絮引『得別了頁面与芸 诞字河的对应关秦t H后时所有关锥爭进杼j愛8L"肽而軽关K字与頁面间的对应关系。 严0伽貝工的I 网页索引 为提高页面检索的效率，而对页面url建立索引。 网页分析 网真分析摩擁个网页处理中堆更要的坏节・包柄『网页

6、正文信息的提取、切调、建立关犍字 索引列表及关億字貳组几令鬣K的步骤.结果形成了f关犍字对应多个礙始页面的关系・叩擀 成了与用户査询习锁相符合的信息雏低. 正文信息提取 过滤非正文信息（HTML标签、JS标签、PHP标签）。 分词/切词 通过对过滤出的正文内容进行切分（该行为就是分词/切词），从而形成与用户查询条件相匹 配的以关键字为单位的信息列表。 分词算法：1、字符串匹配分词 2、统计分词。 3、关键字索引。记录了该关键字所在的网页编号、关键字编号、关键字出现次 数以及关键字在文档中的位置信息。 *2-1关at字列長 关毬字集号 网页集号

7、 e i Oh 1 1 KI 3 AL A5* A7 id#2： 3 1 K3 2 A3” A9 IhitpL^WWWJirnjp CWP 3 1 K3 J A6, AL3. AID 4 1 K4 1 \2 例如,记录1中的关键字KlZfjK面中也现门次,对应贞面的Al、A5、為7区域.如图48所示 4、关键字重组。建立以关键字对应多个网页的方向索引。 页面排序 页面相关性 贡面相关柱址指讯面内奔另用门所株谢的黄键了的接近程度，1很;111关键字匹配度、关铤字 密度、董锥字分布及关键字的权重标零需决罡* 1、关

8、键字匹配度 •关域字匹配度 关蝕字匹配度是指贞imp中的内獰旨用户所提交的先锥字k刑的匹配程度・屯耍由两*悶索 决越 □史丽F中足吿存在与査询黄擾字K相匹配的内弄，即贞潮内容中足沓包含关機字IG □黄键宇K在页面卩中出现了多少次*即页面卩中有务少牛抉键字監. 为了计薛关觥字匹配度「捜索引華为薛个贞面分配•个娱键字匹配佰.该值由关號字在贞面 中出现的次数贋定.假设臬关键字在頁啲中出现•次.关键字匹配值为10；那么「如杲集-关键 字在页面中出规10次，则关轆字匹配值=】0忙山 缺点：易被网站所有者操控。还需要结合关键字密度、关键字分布及关键字的权重标签 等多方面来决定。 2、关键字密

9、度 关键字密度是关键字词频与网页总词量的比例。不同密度对应不同密度值。 假设贞面屮臬关犍字的懈度为50%”该页面的关燧字犠度值为2%例如+在内審屆;reorder battery的页面中.cajncorder的关键字臺度该关41字*该頁面的关键字密度值就趾 20. 3、 关键字分布 依据关键字位置对应不同的分布值。 4、 关键字的权重标签 在网贞中*网贞制作苦利川不同的HTML标签値页面中相关的内密实规不同的视觉效果（如 字怵的样式、字哥、颜色啡），灵活地运用各解HTML标签还有助于提高贾面祖关性" 链接权重 入度与出度，及其权值分配。 1、 内部链接 2、 外部链接 3、

10、 默认权重分配 用户行为 点击率 关键字查询 在计算完断有页面的权戳后*搜索常華就町以向川户規供信見酉询册务.搜索引节僭询功鷹 的实現非常顽用户对返回结果的时闻蚩求也菲常高｛通常長秒I8)i £在体么短的时间内进 行这么复杂的计算足不现实的.所以，搜索引繁粘嬰通过一箕高效的机制处理来自用户的査卸° 主要包括t 口化用F哦出fritiJh'j求询就完成披含询摊犍字的反向索引而勰勰戏严计算等工作= □为那些杳训堆频繁的黄键字对应的贞闻排序列农翹立緩 ~ 具中，关键字的反向索引、贝面权联分配誓工作已经左曲蘭进行门乍细的说明"接卜* 向 读者介绍控索引眾如何建立倡息件询的缓存机制「 查询流程 用户行为 1、搜素。统计词汇热度、发现新词汇。 2、 点击 3、缓存机制。对查询最多的前20%的关键字进行缓存。