搜索引擎优化原理(我要说一下关于内容搜索优化的事情百度抓取内容的流程)

　　搜索引擎优化原理(我要说一下关于内容搜索优化的事情百度抓取内容的流程)

　　我要说一下内容搜索优化

　　说一下百度爬取内容的过程

　　百度爬取内容需要入口地址。入口地址有两个主要来源。

　　1.百度搜索引擎登录（百度提供搜索引擎登录地址）

　　2. 链接地址。意思是另一个站点是百度收录，百度在收录别人的站点时发现有链接到我们站点的地址，那么他就会使用这个地址，以及这个地址所在的域名作为条目

　　只有这两种方式，也就是说，如果一个站点做好了，如果它不链接别人，不提交百度登录，那么这个站点永远不会是收录。另外需要注意的是百度收录，不支持js swf等任何非基础html标签

　　百度获取入口地址后，会不定时的爬取网站内容到他们的数据库中（根据网站内容更新的频率。网站频繁更新会使其爬取频繁） . ) 但无论多么频繁，百度的*敏*感*词*排序也只有一周一次（大约周三）。

　　行

　　百度采集流程如下

　　先分析入口页面的所有链接地址，然后将这些链接地址作为新的入口进行备份（也就是说，如果一个页面没有连接入口，百度就抓不到了）

　　同时，百度会排除当前爬取页面中的所有不可见内容（理论上可以在实践中作弊）。同时将页面内容分为四部分进行保存

　　四个部分如下

　　1. 标题

　　2. 关键字（元标记）

　　3. 描述（元标记）

　　3. 正文内容

　　总结如下，采集都需要通过超链接链接

　　采集数据后，搜索引擎会做如下处理（任何引擎都会这样做）

　　1. 关键词提取

　　2. 当前页面关键词权重分析

　　3. 当前页面权重计算

　　4.当前站点权重计算

　　5.。搜索结果排序和过滤

　　先说关键词的提取。百度如何判断当前页面有一定的关键词？原理主要如下：

　　首先，搜索引擎有一个词库（其中存储了所有可能被搜索到的词）

　　搜索引擎会计算当前词库中哪些词会在页面上存在并标记（词中不会有空格和符号）

　　第二，词频。将页面中所有非空格非符号句子交叉拆分成字符串后，判断出现频率，然后排序，就可以得到单词。

　　上述方法计算当前页面上出现的单词并标记它们。然后进入下一阶段，词重计算

　　2. 权重计算分为两类，

　　权重最高的是title标签的内容（即页面标题）

　　其次是body（网页的主要内容）

　　然后是关键字描述（但使用频率较低）

　　体重分为标签类型

　　主要标签类型如下

　　也就是说，严格的xhtml标签定义

　　比如我要计算一个词“装饰”的权重，计算方法如下

　　首先判断当前页面是否存在装饰字，如果存在，则

　　“装饰”权重+1

　　然后判断标题中存在“秀秀”如果存在+10

　　然后判断装饰是否在里面再判断是否存在于stong标签中，如果存在+1

　　根据这个规则，判断所有的标签，然后为该词声明当前页面的词的权重顺序，即该词是否是当前页面的主关键词。

　　但需要注意的是，我说的+1只是一种表达方式。其实百度经常调整这个参数，但是有一点可以肯定，不管他怎么调整标题，权重总是最高的。

　　通过上面的计算方法，可以得到类似下面的词权表

　　装修40

　　设计 10

　　知道 1

　　其他话 3

　　然后百度会提取top weights（比如top 50%）作为页面的主要词并保存

　　3.当前页面的权重，判断当前页面的权重，主要如下