seo优化搜索引擎工作原理(从事SEO（搜索引擎优化）工作的人可以比喻成搜索引擎的贴身管家)

　　seo优化搜索引擎工作原理(从事SEO（搜索引擎优化）工作的人可以比喻成搜索引擎的贴身管家)

　　【简介】：从事SEO（搜索引擎优化）工作的人可以比作搜索引擎的贴身管家。作为一名合格的管家，您必须了解您所服务的人的习惯、爱好和健康状况。SEO服务的对象是搜索引擎，一定要牢记它的运行规律、工作原理、习惯、优缺点，多实践操作。练习得越多，你就会有越多的经验。

　　从事SEO（搜索引擎优化）工作的人可以比作搜索引擎的贴身管家。作为一名合格的管家，您必须了解您所服务的人的习惯、爱好和健康状况。

　　SEO服务的对象是搜索引擎，一定要牢记它的操作规则、工作原理、习惯、优缺点，多实践操作。练习得越多，经验就越丰富。

　　搜索引擎是由人创建的，所以它们是有意义的。搜索引擎的工作流程主要有抓取、预处理和服务输出三个工作流程。

　　

　　一、爬行爬行：

　　爬取是搜索引擎蜘蛛从待爬取地址数据库中提取待爬取的URL，访问该URL，并将读取的HTML代码存储在数据库中。蜘蛛的爬取就是像浏览器一样打开这个页面，它也会像用户的浏览器访问一样在服务器的原创日志中留下记录。

　　爬取爬取是搜索引擎工作中的重要一步。它把所有需要爬回来的地方都爬回来进行处理和分析，所以如果爬这部分出现错误，后面会完全瘫痪。

　　搜索引擎已经提前对抓取的网页进行了处理。征集工作也必须按照一定的规则进行，基本上具有以下两个特点：

　　1、批量采集：采集互联网上所有有链接的网页，大概需要几周时间。缺点是增加了额外的带宽消耗，时效性不高。

　　2、增量采集：是批量采集的技术升级，完美弥补了批量采集的不足。在原有基础上采集新增网页，更改上次采集后发生变化的页面，删除采集中重复和不存在的网页。

　　二、预处理：

　　搜索引擎蜘蛛爬取的原创页面不能直接用于查询排名处理。用户输入关键词后也不能直接返回排名结果。因此，必须对爬取的页面进行预处理，为最终的查询排名做准备。

　　1、提取文本

　　搜索引擎在抓取页面的HTML代码时，首先会从HTML文件中去除标签和程序，提取出页面中可用于排名处理的文本内容。

　　2、中文分词

　　分词是中文搜索引擎特有的一个步骤。英语句子中的单词之间有空格。搜索引擎可以直接将句子分成词组，但中文不能。搜索引擎需要识别哪些词构成一个词，哪些词本身就是一个词。例如，“空气开关”将分为“开关”和“空气”两个词。

　　中文分词基本上有两种方法：字典匹配和基于统计。

　　基于字典的匹配方法是指将一段待分析的汉字与预先制作的字典中的词条进行匹配，从待分析的字符串中扫描字典中已有的词条即为匹配成功，或被分割。一个字。根据扫描方向，基于字典的匹配可以分为正向匹配和反向匹配。根据匹配长度优先级的不同，可以分为最大匹配和最小匹配。优先混合扫描方向和长度可以产生不同的方法，例如正向最大匹配和反向最大匹配。字典匹配方法计算简单，其准确性很大程度上取决于字典的完整性和更新。

　　基于统计的分词方法是指对大量文本词进行分析，计算出词相邻出现的统计频率。出现的相邻单词越多，形成单词的可能性就越大。基于统计的方法的优点是对新出现的词更敏感，也有利于消歧。

　　基于字典匹配和统计的分词方法各有优缺点。实际使用的分词系统混合使用了这两种方法，快速高效，可以识别新词和新词，消除歧义。

　　3、去停用词

　　无论是英文还是中文，都会出现一些在页面内容中出现频率高但对内容没有影响的词，比如“的”、“地”等辅助词，以及“啊”、“地”等感叹词。哈”。单词、副词或介词，例如“thereby”、“with”、“but”。这样的词称为停用词。搜索引擎会在对页面进行索引之前去除这些停用词，使索引数据的主题更加突出，减少不必要的计算量。

　　4、去除噪音

　　大部分页面都有一些对页面主题没有贡献的内容，比如版权声明、导航栏、广告等，这些块都是噪音，只能对页面主题起到分散作用。搜索引擎需要在不使用嘈杂内容的情况下识别和消除这种噪音并进行排名。去噪的基本方法是根据HTML标签将页面分成块，区分页眉、导航、文本、页脚、广告等区域。在网站上重复出现的块往往是噪声。页面去噪后，剩下的就是页面主题内容。

　　5、删除

　　同一个文章会被不同的网站使用，搜索引擎不喜欢这种重复的内容。试想一下，如果用户在前两页看到同一篇文章文章和不同的网站，必然会导致用户体验不佳。搜索引擎只想返回一个相同的文章，所以在索引之前需要识别和删除重复的内容。此过程称为重复数据删除。

　　去重的基本方法是计算页面特征的指纹关键词，也就是从页面的主要内容中选择最有代表性的部分关键词（往往是出现频率最高的关键词) ，然后计算这些 关键词 的数字指纹。这里的关键词的选择是在分词、去停用词、降噪之后。通常选择10个特征关键词可以达到比较高的计算精度，选择更多的词对去重精度的提升贡献不大。

　　6、正向索引

　　远期指数也可以简称为指数。经过前五个步骤，搜索引擎得到的是一个唯一的基于单词的字符串，它可以反映页面的主要内容。接下来，搜索引擎可以提取关键词，按照分词程序划分词，将页面转化为关键词的集合，记录每个关键词在页面上出现的频率. 、出现次数、格式（如出现字幕标签、粗体、H标签、锚文本等）、位置等信息。这样，每一页就可以记录为一组关键词，其中还记录了每个关键词的词频、格式、位置等权重信息。

　　7、向后索引

　　前向索引还不能直接用于排名。假设用户搜索关键词2（见上），如果只有前向索引，排序程序需要扫描所有索引库文件，找到收录关键词2的文件，然后执行相关性计算。这个计算量不能满足实时返回排名结果的要求。

　　8、链接关系计算

　　搜索引擎爬取页面内容后，必须提前计算：页面上的哪些链接指向了其他哪些页面，每个页面上有哪些传入链接，链接使用了哪些锚文本。这些复杂的链接指向关系形成了 网站 和页面的链接权重。谷歌PR值是这种链接关系最重要的体现之一。其他搜索引擎做类似的计算，虽然他们不称之为 PR。

　　9、特殊文件处理

　　除了 HTML 文件，搜索引擎通常可以抓取和索引多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。但是目前的搜索引擎无法处理图片和视频，只能处理有限的Flash等非文本内容，以及脚本和程序。

　　10、质量判断

　　在预处理阶段，搜索引擎会对页面内容质量和链接质量做出判断。百度和谷歌近几年推出的算法都是先计算后上线，而不是实时计算。这里所说的质量判断包括很多因素，并不局限于关键词的提取和计算，或者链接的数值计算。例如，页面内容的判断可能包括用户体验、页面布局、广告布局、语法、页面打开速度等，还可能涉及模式识别、机器学习、人工智能等方法。

　　三、服务输出：

　　1、输出结果

　　搜索引擎最终会跟随用户的搜索输出。这是我们看到的百度快照。在搜索引擎综合评价的机制原理中，我们可以看到搜索引擎已经做了初步的处理，然后根据用户的实际情况。搜索词进行具体调整，并输出结果。

　　我们网站优化的目的是为了提升关键词的排名，那么如何快速提升关键词的排名呢？现场SEO培训刘少庆认为，您可以在这部分内容中找到一些答案。

　　2、智能完美

　　搜索引擎还有另一项工作，就是不断地学习和完善自己。通过这种智能学习，不断完善规则，呈现更符合搜索用户期望的搜索结果。