java抓取网页数据(SEO初学必读：搜索引擎的排名原理解析的原理图解)

　　java抓取网页数据(SEO初学必读：搜索引擎的排名原理解析的原理图解)

　　SEO初学者必读：搜索引擎排名原理分析

　　

　　搜索引擎排名原理*敏*感*词*

　　一、什么是搜索引擎

　　百度、360、谷歌、搜搜、必应、雅虎等都是搜索引擎的具体表现形式。具体解释可以去百度，这里不再赘述。

　　二、什么是搜索引擎蜘蛛

　　搜索引擎蜘蛛是一种搜索引擎程序，是一套信息抓取系统程序。

　　常见的蜘蛛有百度蜘蛛、Gllglebot、360Spider、搜狗新闻蜘蛛等

　　三、什么是SEO

　　Seo 指的是搜索引擎优化，也称为 网站 优化。

　　搜索引擎优化并不容易。在数百万甚至数千万的竞争者中，我们的目标不是进入前百，而是力争前十，甚至第一。这对于s​​eo初学者来说可能是一个梦想，但在seo的核心，我们的目标是让这个梦想成真。

　　四、什么是关键词？

　　关键词 是指参与排名的每一个词组。

　　从某种意义上说，seo优化也是关键词排名优化。 关键词优化的直接体现就是网站标题的排名（由关键词组成）；从另一方面来说，每个标题的排名就是标题所收录的页面的排名。

　　理论上，每个页面都有参与排名的机会。所以网站排名的最小单位就是页面。

　　五、搜索引擎爬取收录原理（四个过程）

　　1、抢

　　2、过滤

　　3、存储索引库

　　4、显示排序

　　搜索引擎抓取收录流程图

　　蜘蛛爬取——网站页面——存放在临时索引库中——排名状态（从索引库中检索）

　　评论：

　　临时索引库不存储蜘蛛爬取的所有网站页面，

　　他会根据蜘蛛抓取的页面质量进行过滤，过滤掉一些质量较差的页面，

　　质量好的页面按页面质量排序，

　　最后是我们看到的排名情况

　　有人可能会问为什么我的网站没有收录

　　主要原因之一是网站的页面质量差，被搜索引擎过滤掉，所以不被百度接受收录。

　　(一）搜索引擎抓取：

　　1、爬虫SPider通过网页中的超链接，在互联网上发现和采集网页信息

　　2、如何抓取蜘蛛

　　1）深度爬取（垂直抓取，先爬取某列的内容页，然后换列，同样的方式爬取）

　　2）宽爬（横向爬取，先爬取各个版块，再爬取各个版块页面下方的内容页）

　　3、不利于蜘蛛识别的内容

　　js代码、iframe框架代码机制、图片（添加alt属性辅助识别）、flash（视频前后添加文字辅助搜索引擎识别）、登录后可获取的页面信息、嵌套表、等

　　网站结构：首页——栏目页——内容详情页

　　(二）搜索引擎过滤

　　过滤低质量的内容页面

　　什么是低质量内容页面？

　　1、采集，内容价值低

　　2、文字内容不正确

　　3、没有丰富的内容

　　(三）搜索引擎存储索引库

　　过滤蜘蛛爬取的内容后，将内容存入临时数据索引库。

　　(四）搜索引擎显示排名

　　存储索引库的内容按照质量排序，然后调用显示给用户。

　　1、搜索者根据用户输入的查询快速检索索引库中的文档关键词，评估文档与查询的相关性，对输出结果进行排序，并进行比较查询结果显示给用户。

　　2、当我们在搜索引擎上只看到一个结果时，根据各种算法对搜索进行排序，将十个质量最好的结果放在第一页

　　seo 优化的日常注意事项：

　　1、不要随意删除或移动已经收录的页面位置

　　2、显示结果需要一定的时间（2个月内是正常的）

　　3、内容丰富

　　4、吸引蜘蛛（主动提交给搜索引擎，外链）

　　5、跟踪蜘蛛，网站IIS 日志