文章句子采集软件(90%的SEOer都会说不好，我是一个纯采集站长)

　　文章句子采集软件(90%的SEOer都会说不好，我是一个纯采集站长)

　　关于 采集，90% 的 SEOers 会说不好。卢航泽今天看到一个有趣的文章，关于一个纯采集站长的分享，我觉得值得大部分SEO人仔细阅读，详情如下：

　　我是一个纯粹的采集站长，下面的总结有的是关于SEO的，有的是关于采集和运维的，都是非常基本的个人观点，仅供分享，请自认好或糟糕，真正的知识来自实践。

　　一、原创好还是采集好？

　　当然是原创好，因为百度是这么说的，谁叫别人就是裁判。

　　二、为什么我原创很多文章，还是没有收录？收录没有排名？

　　一个搜索引擎，其核心价值是为用户提供他/她最需要的结果。搜索引擎对网民的需求进行了统计。对于网民需求很少或没有需求的内容，即使你是原创，也可能会被搜索引擎忽略，因为它不想把资源浪费在无意义的内容上。

　　对于网友需求量大的内容，收录应该会越来越快，但是因为收录的数量很多，就算你是原创，可能也很难挤进入排行榜。

　　三、搜索引擎用什么来识别网民的需求？

　　关键词。当每个人搜索 关键词 时，他/她都需要与该词相关的内容。此外，使用搜索引擎的人通常有问题和答案和搜索查询。当然，搜索引擎内部必须有一个非常庞大的分析系统，才能准确定位这些需求，详见百度索引。例如，搜索到的关键词是“手机”，很有可能你是想买一部手机或查看某个型号的价格，或者你可能只是想下载漂亮的壁纸。但是，如果你想要一个壁纸，会有一个更精确的关键词“手机壁纸”，它会以下拉框或相关搜索的形式呈现。

　　四、既然原创很好，为什么要采集？

　　1.虽然原创很好，但只要方法得当，采集的效果不会比原创差多少，甚至比那些还没有更好地掌握 原创 的方法。

　　2. 能量有限，原创 难以保证大量长期更新。如果邀请编辑，投入产出比可能为负。

　　五、市场上有这么多采集器，我应该用哪一个？

　　每一个采集器都有自己的唯一性，所谓的存在就是合理的。请根据您的需要进行选择。我的采集器是自己开发的，开发过程中考虑了以下几个方面，其他采集器的使用也可以参考：

　　1.直接提供大量分类关键词，这些关键词都是百度统计过的有网友需求的词（有百度索引），或者长尾词这些词，来自百度下拉框或相关搜索。

　　2.直接按关键词采集智能分析网页正文进行爬取，无需编写采集规则。

　　3. 截取的文本已经用标准化的标签进行了清理，所有的段落都以标签的形式呈现，并且去除了乱码。

　　4. 根据采集收到的内容，图片与内容的关联度一定很高。以这种方式替换 伪原创 不会影响可读性，但也允许 文章 比 原创 提供的信息更丰富。

　　5. 正文内容中的关键词自动加粗，也可以自定义插入的关键词。但是没有所谓的“伪原创”功能影响可读性，比如句子重排，段落重排。

　　6. 可以直接使用关键词 及其相关词作为标题，或者抓取着陆页的标题。

　　7. 微信 文章采集 可用。

　　8. 不要触发或挂断。

　　9.整合百度站长平台，积极推送提速收录。

　　六、不同的网站诸如织梦、WordPress、dz、zblog、empirecms或其他程序，它们如何影响SEO？

　　理论上是没有效果的。因为搜索引擎不知道你是什么程序，或者可以通过一些规则来识别，所以不可能因为程序本身的不同而影响它的判断。

　　七、那么影响 SEO 的因素是什么？

　　答案是模板。

　　因为基本上这些程序都有模板机制，同一个程序可以输出不同的页面，不同的程序也可以输出同一个页面，这就是模板。模板确定后，你的每一个页面都会按照这个框架输出，也就是整个html结构已经确定了。而这些html，是搜索引擎关注的重点，它要从这些html中获取它想要的信息。因此，一套好的模板非常重要。

　　八、模板设计要注意哪些细节？

　　1. 权重结构顺序。

　　在整个页面的html中（注意是html，不是显示的布局），位置越高，权重越高。由此衍生出“title”、keyword、description这三个标签是最高级、权重最高的。第二个通常是导航，基本都是顶，权重也很高。同样，文章 标题和正文。这是根据html的前后排序。

　　2. 因为搜索引擎首先要遵循 W3C 标准，所以 W3C 定义的一些标签本来就是用来表示重要信息的，其权重自然很高。比如特别是h1，用来表示当前页面最重要的信息，一般每个页面只能有一个，它的权重估计相当于标题，通常用来放标题当前页面。当然，为了增加首页的权重，可以使用h1来放置logo或者首页链接。此外还有em、strong等标签，用于表示强调。一般认为strong的权重高于tag的权重，也是加粗的，但我们认为从SEO的角度来看，并没有权重增强。

　　3. CSS 或 js 代码通常对搜索引擎没有意义，尝试使用单独的文件存储，或者如果允许，将其放在 html 的末尾。

　　九、网站结构规划要注意什么？

　　1. 网址设计。

　　URL 还可以收录 关键词。例如，如果您的 网站 是关于计算机的，那么您的 URL 可以收录“PC”，因为在搜索引擎眼中它通常是“计算机”的同义词。URL不宜过长，层级尽量不要超过4层。

　　2. 列设计。

　　列通常与导航相关联。设计要考虑网站的整体主题，用户可能感兴趣的内容，列名最好是网站的几个主要的关键词，这样也方便导航权重的使用.

　　3. 关键词布局。

　　理论上，每个内容页面都应该有它的核心关键词，同一个栏目下的文章应该尽可能的围绕关键词栏目转。一个简单粗暴的方法是直接使用列关键词的长尾关键字。

　　十、动态、伪静态、静态，哪个更好？

　　这不能一概而论，建议使用伪静态或静态。三者的区别在于是否生成静态文件以及URL格式是否为动态。生成静态文件本质上是为了加快访问速度，减少数据库查询，但是会不断增加占用的空间；伪静态仅通过 URL 重写来修改 URL。对于加速访问完全无效。动态和伪静态的区别仅在于 URL，带有问号和参数。

　　所以要注意两点：网站打开速度够快吗？您需要节省服务器空间吗？

　　不同的网站 程序可能有不同的数据库操作效率。一般来说，如果内容页数小于10000，页面打开速度比较快，数据量较大，达到50000、100000甚至更多，通常需要考虑静态。

　　十一、提高访问速度的方法有哪些？

　　1. 如上所述的静态。

　　2. 通常许多 网站 模板都有随机调用 文章 或类似的部分。事实上，随机对数据库来说是一个沉重的负担，在模板中应该尽量减少。随机 文章 调用。如果无法避免，可以考虑从数据库优化。对索引字段进行排序通常比没有索引要快得多。

　　3. 将图片、js、css等不经常修改的文件放在专用的静态服务器上。多个js或者多个css可以尽量合并到一个文件中，减少http连接数。

　　4. 使用各种云加速产品。对于普通的网站，免费的百度云加速或者360云加速也是可以的。

　　十个二、文章比较多，网站已经开启了static，但是每次更新全站都需要很长时间，怎么办？

　　我的做法是使用缓存机制，这里只是一种思路，可能需要自己开发。

　　网站 设置为伪静态。当每个请求到达时，程序会检查是否有对应的缓存html文件。如果文件是几小时或几天前生成的，我们确定它需要更新，并在这个时候执行它。正常过程中，程序查询数据库，生成HTML，写入缓存文件，然后输出到客户端。

　　下次访问到来时，比如1分钟后再次访问同一页面，再次查看缓存文件时间。从时间上可以判断文件很新，根本不需要更新，直接读取文件内容输出到客户端。这样每个页面都可以自动生成，只有第一个访问者会觉得速度慢。后面的访问者相当于静态访问，速度很快。

　　如果是独立服务器，也可以考虑自动检测服务器负载。如果负载已经很高，即使判断需要更新，也暂时不更新，直接改输出。

　　10 三、是引用远程URL还是放在自己的服务器上更好？

　　这也有利有弊。引用远程URL可以节省自己的带宽，但是很有可能由于对方服务器速度慢、删除资源、防盗链等原因导致图片无法显示。如果下载到自己的服务器，当然一切都在自己的掌控之中，但是图片会占用很大的空间，可能会比一般静态生成的占用空间更大，而且如果访问量很大，图片将消耗最多的带宽。

　　十四、网站内链应该如何优化？

　　内链是百度官方推荐的优化方式之一，一定要做。

　　通常的表达形式是文本中出现了某个关键词，在这个关键词上加了一个链接，指向另一个页面恰好是这个关键词的相关内容. 于是就诞生了一些所谓的优化技术，在文本中强行插入一些关键词和链接，进行类似相互推送的操作。其他人为了增加首页的权重，到处放网站的名字，并做一个指向首页的链接，认为这样可以增加目标页面的权重。但这些很可能会适得其反，因为搜索引擎会计算每个链接的点击率。如果您点击了一个位于显眼位置但很少被点击的链接，则可能会被判定为作弊。因此，请只在 关键词 上建立内部链接

　　十个五、段落重排、句子重排、同义词替换。这些 伪原创 技术有用吗？

　　不好。

　　因为搜索引擎已经智能化，不再是简单的数据库检索，它会分析自然语义（详情请搜索“NLP”），任何语义分析困难的句子或段落都可以判断为可读性差，所以我认为这些“伪原创”可能是自命不凡的。

　　十 六、评论模块基本不用了，要还是不要？

　　想。

　　评论模块最麻烦的就是垃圾评论。通常，真正说话的访客很少，垃圾评论很多。他们整天都在与营销软件竞争。这是我已经实现的一个解决方案，可能对 收录 有帮助（没有依据，只是猜测）：

　　离开评论框，但禁用评论。所有评论均由自己的 网站 程序生成。如前所述，搜索引擎会分析自然语义，其中重要的能力之一就是情感判断。搜索引擎会计算每条评论的情绪值，无论是正面（positive）还是负面（negative），具体倾向是10%还是90%。如果评论的内容表达了积极的情绪，你可以给你的文字加分，否则你可能会失分。至于如何自动生成好评，就让八仙渡海大展神通吧。

　　这是社交网络发展后的必然趋势，用这种方式来体现一个页面的用户体验。同理，还有分享、点赞等，原理类似。

　　十七、绿萝卜算法之后，外链还有用吗？

　　有用。

　　请参阅搜索引擎三定律的相关性定律。既然是法律，就不会改变。谁的内容被引用的多，谁的权威。在主动推送出现之前，外部链接应该是蜘蛛知道页面内容的第一通道。

　　十八、外部链接必须是锚文本还是裸链接？

　　不。

　　搜索引擎有很大的责任去尝试找到真正有价值的东西并排除那些没有价值的东西。所以，有可能是你直接提交的链接没有收录，而你在别人的地方发了一个纯文本的url，被查到了，加分了。

　　除了锚文本和裸链接外，还可以发送关键词+URL形式的纯文本。这样，URL前面的关键词就会自动和URL关联起来。

　　另外，虽然有些链接添加了nofollow属性，但是在百度计算外链的时候还是会计算的。

　　十九、收录index和index有什么关系？

　　收录 表示蜘蛛已经抓取并分析了它。该索引表明该内容经过蜘蛛分析后具有一定的价值。只有输入到索引中的内容才会出现在搜索结果中并显示给用户。也就是说，只有被收录的内容才有机会带来流量。