要做SEO，首先要了解搜索引擎的工作流程:
(1)爬行和抓取
①批量采集:在互联网上采集带有链接的网页一般需要几周左右的时间；
②增量收集:在原有基础上收集新增的网页，更新自上次收集以来发生变化的网页，删除收集到的重复和不存在的网页；
③自行提交:不建议自行向搜索引擎提交网站，因为速度慢。
PS:搜索引擎蜘蛛(Search Engine Spider)是搜索引擎的自动程序，其功能是访问互联网上的网页、图片和视频内容。
URL是搜索引擎的痕迹。搜索引擎是否抓取你的网站取决于服务器日志是否有网址。
④搜索引擎蜘蛛抓取策略
搜索引擎蜘蛛主要通过抓取页面上的链接来收集新的页面，通过不断的抓取来形成蜘蛛网。
ⅰ深度优先爬行(A-B-E-A-C-F-H-A-D-G-H)
ⅱ广度优先抓取(A-B-C-D-E-F-G-H)(最常用的方法，所以很多SEO优化人员会把网站的所有链接通过网站地图
PS:如果搜索引擎蜘蛛访问量设置为3，H页不会被收集，所以网站结构扁平化非常重要。
蜘蛛爬行策略
⑤搜索引擎蜘蛛如何避免重复采集
一、重复采集的原因:
蜘蛛没有记录访问过的URL；一个页面由多个域名引起。
ⅱ解决方案:搜索引擎建立了两个表:已访问表和未访问表。
⑥搜索引擎蜘蛛如何判断网页是否重要？
网页目录越小，用户体验越好；
ⅱ.原创内容越多越好，重要性越高；
三。一个有价值的网站，每天都会更新，每天都会有用户来玩；
ⅳ高质量相关链接的导入:一个高权重、高质量的网页愿意链接到你的网站，证明你的网站质量也很好。
(2)预处理
①关键词提取
搜索引擎蜘蛛抓取大量HTML代码、Javascript、css、div标签等。要去掉它们，搜索引擎能完全识别的就是文本内容，所以关键词提取就是去掉自己不理解的标签，留下文本；
②删除停用词
像“的”、“的”、“的”、“的”、“啊”、“呀”、“在”这类重复无用的词，除了停用词，就叫停用词；
③分词
ⅰ.基于统计的分词方法
分词词典和收集的网络流行语是搜索引擎的基础，比如:我要睡觉了，其他马都是浮云；
ⅱ.基于字符串匹配的分词方法
举个例子，如果分词词典的最大数量是3，那么下面的句子就分了:首先，提取前三个词，我要睡觉，我要睡觉。字典里没有这个词，去掉“睡”字，离开我，再提取三个字“睡”。字典里没有这个词，去掉“睡眠”这个词，留给睡眠，字典里没有这个词，去掉“睡眠”这个词
我要睡觉了，其他的一切都只是浮云；
我，想，睡，死，其他，神马，都是，浮云；
④噪音消除
去掉网页上的各种广告词、广告图片、版权信息、登录框等等；
⑤建立关键词库
提取关键词后，将页面转化为关键词的组合，记录每个关键词在页面上的出现频率、频次、格式、位置；
⑥连接关系的计算
搜索引擎要提前计算好页面上哪些链接指向那些其他页面，每个页面用了哪些导入链接，链接用了什么锚文本等等；
⑦特殊文件处理
Flash、视频、图片等。无法直接读取。
(3)服务产出
搜索引擎有自己的相关排名机制，主要是根据网页的相关度，关键词的密度，网站的权重等。，来决定输出内容的排名(付费推广的永远排第一)。
本文来自热恋少女投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/525765.html
微信扫一扫 
