搜索引擎优化pdf( 01.网页为何要去重?优化培训02.工作原理)

　　搜索引擎优化pdf(

01.网页为何要去重?优化培训02.工作原理)

　　根据搜索引擎页面去重原理做seo

　　01.为什么要重写网页？

　　对于搜索引擎来说，我们希望呈现给用户的是新颖吸引人的内容，以及高质量的文章，而不是很多“换汤不换药”；我们在做SEO优化，在编辑内容的时候，难免会参考其他类似的文章，而这个文章可能已经被很多人点评过了采集，从而导致到网上相关资料大量重复。

　　如果一个网站中有​​很多不好的采集内容，不仅会影响用户体验，还会导致搜索引擎直接屏蔽网站。之后，网站 上的内容更难被蜘蛛抓取。

　　搜索引擎优化培训

　　02.搜索引擎的工作原理

　　搜索引擎是指按照一定的策略从互联网上采集信息并使用特定的计算机程序，对信息进行组织和处理，为用户提供检索服务，并将用户检索到的相关信息展示给用户的系统。

　　搜索引擎的工作原理：

　　第 1 步：爬行

　　搜索引擎通过特定的常规软件跟踪网页的链接，从一个链接爬到另一个链接，就像蜘蛛在蜘蛛网上爬行一样，所以被称为“蜘蛛”，也被称为“机器人”。搜索引擎蜘蛛的爬取是有一定规则的输入，需要遵循一些命令或文件的内容。

　　第 2 步：抓取存储

　　搜索引擎通过爬虫跟随链接爬到网页，并将爬取的数据存储到原创页面数据库中。页面数据与用户浏览器获取的 HTML 完全相同。搜索引擎蜘蛛在抓取页面时也会进行某些重复的内容搜索引擎优化检测。一旦出现大量抄袭、采集或复制网站上权重极低的内容，很有可能不再使用。爬行。

　　第 3 步：预处理

　　搜索引擎从蜘蛛爬回页面并执行各种预处理步骤。

　　除了 HTML 文件，搜索引擎通常可以抓取和索引各种基于文本的文件类型，例如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我们还经常在搜索结果中看到这些文件类型。但搜索引擎无法处理图像、视频、Flash 等非文本内容，也无法执行脚本和程序。

　　搜索引擎优化培训

　　第 4 步：排名

　　用户在搜索框中输入关键词后，排名程序调用索引数据库数据，计算排名并展示给用户，排名过程直接与用户交互。但是，由于搜索引擎中的数据量巨大，虽然每天可以实现小的更新，SEO，但总的来说，搜索引擎的排名规则每天、每周、每月都会进行不同级别的更新。

　　03.网页去重的代表性方法

　　搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、聚合搜索引擎、门户搜索引擎和免费链接列表。去重的工作一般在分词之后、索引之前进行。搜索引擎会从页面已经分离出来的关键词中提取一个代表关键词进行计算，从而得到一个网站关键词特征。

　　目前，网页去重的代表性方法有3种。

　　1)基于聚类的方法。该方法以网页文本内容为基础，使用6763个汉字作为向量的基础。某一组或某个汉字在文本中出现的频率构成了代表网页的向量。通过计算向量之间的夹角，判断是否是同一个网页。

　　2)排除相同的 URL 方法。各种元搜索引擎主要使用这种方法进行重复数据删除。它分析来自不同搜索引擎的网页网址，网址相同，即认为是同一个网页，可以删除。

　　3)基于签名的方法。该方法利用标点符号多出现在网页文本中的特点，利用句点两边的5个汉字作为特征码来唯一表示网页。

　　SEO优化认为：在这三种方法中，第一种和第三种大多是基于内容的，所以SEO人员经常使用伪原创工具修改文章内容，但很多情况下伪原创工具会将原文改成不准确，不利于排名和收录。

　　还有网站利用搜索引擎的漏洞，比如权重高的网站进行不良采集，因为权重高的蜘蛛网站会优先爬行，所以这种方式不会支持一些低权重的网站。