【培训】搜索引擎的工作原理是什么？如何处理？

　　【培训】搜索引擎的工作原理是什么？如何处理？

　　一、搜索引擎如何工作

　　第一步：爬行

　　根据网站的URL链接来抓取与该链接相对应的页面，机器人将模拟抓取，并且蜘蛛程序着重抓取网站页面的文本内容。优化网站时应避免使用蜘蛛陷阱（蜘蛛陷阱）：图片，闪光灯等）

　　根据链接爬网，我们需要在优化时注意URL的级别。 URL的级别越短越好，级别越短，越容易被抓取。因此，当我们优化网站时，我们需要将URL层次结构转变为树形结构

　　主页等效于树干

　　首页网址级别

　　列页面等效于分支

　　内容页面等同于叶子

　　首页网址级别：

　　在前台网站上，单击主页以查看主页URL后面是否有index.html

　　打开后台生成时，选择动态浏览以删除index.html

　　列页面网址：

　　优化时，我们需要删除/ a，还需要注意列名的URL字母或拼音，以与当前列名保持一致

　　内容页面级别：

　　我们需要删除今年，月份和日期显示的表单

　　删除网站后，必须将它们全部生成一次。删除后，内容URL级别将变为三个级别。

　　主页URL /列目录名称/内容文章名称URL

　　注意：并非所有网站都必须设置为三个深度级别，小网站通常设置为三个深度级别，大网站通常可以设置为五个深度级别

　　我们修改了此URL级别，并缩短了URL级别，以使搜索引擎蜘蛛更轻松地更好地抓取我们的网站内容。

　　第2步：存储

　　蜘蛛将爬网的内容存储在原创数据库中

　　第3步：预处理

　　1、提取文字

　　在已爬网页面中删除标记代码，并保留文本内容

　　2、中文分词处理

　　将提取的文本拆分为许多关键词

　　3、重复数据删除处理（删除重复数据）

　　比较与切词相对应的页面。如果找到大量相似的页面内容，搜索引擎将其切断。为了删除完全窃的页面，我们需要在以后创建内容时对网站进行优化。最好使用原创的方法制作内容

　　4、停止文字处理

　　停词：诸如地面，啊等等之类的词。

　　我们需要创建内容。如果原创找不到内容，请伪原创修改内容，但是修改的强度必须很大，而不仅仅是几个单词。

　　我不想修改正文内容，至少要修改标题（标题必须为原创）

　　当您需要发布内容时，请在百度搜索下获取即将发布的标题。如果您在搜索结果中写的标题是完全红色的，则不建议使用此标题。 文章的标题不应尽可能地完全红色。

　　5、计算页面关键词与内容之间的匹配程度和相关性（是否在关键词周围创建文章的内容）计算页面关键词的密度，该页面中的关键词控制得最好在2％-8％之间

　　6、计算页面的链接关系，计算页面的导出链接和导入链接之间的关系。

　　导入链接：指从另一个网站到自己的网站链接

　　导出链接：指您的站点指向其他人的链接网站称为导出链接。

　　页面导入的链接越多，页面的信任值越高，权重越高，排名越好。页面上的导出链接过多会影响排名，因此，当我们进行优化时，我们应该添加更多的导入链接，而减少导出的链接。

　　导入链接：我不完全了解数量，我们需要查看导入链接来自哪个平台。

　　被索引（书籍目录）的7、将通过收录的内容放置在索引库中。实际上，我们使用site命令查询的收录的值是从索引库中释放的结果。

　　注意：搜索引擎对新网站的影响为期一个月（评估期）。在评估期间，即使您网站写了很多内容，收录也不会全部发布。

　　第四步，显示排名

　　网站内的二、 URL优化

　　1、什么是网址？

　　url是指统一资源定位符，通常称为URL链接

　　2、网址优化的注意事项

　　网站的首选域名优化：这是一个标准域名，一个标准url

　　标准URL指的是可以由搜索引擎收录索引的域名。让搜索引擎仅收录个域名，然后在该域名后面输入列域名和内容域名。

　　URL前面带有3w且没有3w的URL对应的页面是相同的，这对于我们的网民来说也是相同的。但是对于搜索引擎来说，这是两个不同的域名。它无法确定哪个URL是您的标准URL。如果不清楚，它将同时收录两个不同的域。 URL对应的页面和两个未使用的URL对应的页面是相同的。这将导致网站的内容被重复收录。重复收录两个相同的首页将导致该首页的权重除以这两个不同的URL。它不利于体重的积累。因此，我们需要为网站进行301永久重定向，以避免分散页面的重量。

　　摘要：搜索引擎的工作原理分为以下几步：第一步：抓取第二步：存储第三步：预处理第四步：显示排名