推荐文章:SEO文章原创度检测
优采云 发布时间: 2022-09-29 15:12推荐文章:SEO文章原创度检测
过程：
1）先放一篇文章文章，用逗号分隔成短语
2）然后统计每个词组的字数
3）前两个10个字符的词组，我们在百度搜索下取出，统计该词组在百度搜索结果中完全出现的次数。
如果一个文章被其他网站大量转载，只需在文章中提取一个词组，你可以在百度上搜索准确的重复内容：
如果我们连续搜索两个词组，在百度搜索中，完全重复的结果很少，也就是说内容被其他网站转载的概率比较小，原创的程度比较高的。
编写脚本执行以上 3 步：
左栏是文章的ID，右栏是这两个词组在百度搜索结果中出现的完整次数。次数越大，重复程度越高，具体数值可以自己定义。比如这个渣一般定位>=30%的重复度高的，也就是搜索2个词组。在 20 个搜索结果中，有 >=6 个结果完全出现了该短语
#coding:utf-8<br /><br />import requests,re,time,sys,json,datetime<br />import multiprocessing<br />import MySQLdb as mdb<br /><br />reload(sys)<br />sys.setdefaultencoding('utf-8')<br /><br />current_date = time.strftime('%Y-%m-%d',time.localtime(time.time()))<br /><br />def search(req,html):<br /> text = re.search(req,html)<br /> if text:<br /> data = text.group(1)<br /> else:<br /> data = 'no'<br /> return data<br /><br />def date(timeStamp):<br /> timeArray = time.localtime(timeStamp)<br /> otherStyleTime = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)<br /> return otherStyleTime<br /><br />def getHTml(url):<br /><br /> host = search('^([^/]*?)/',re.sub(r'(https|http)://','',url))<br /><br /> headers = {<br /> "Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",<br /> "Accept-Encoding":"gzip, deflate, sdch",<br /> "Accept-Language":"zh-CN,zh;q=0.8,en;q=0.6",<br /> "Cache-Control":"no-cache",<br /> "Connection":"keep-alive",<br /> #"Cookie":"",<br /> "Host":host,<br /> "Pragma":"no-cache",<br /> "Upgrade-Insecure-Requests":"1",<br /> "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36",<br /> }<br /><br /> # 代理服务器<br /> proxyHost = "proxy.abuyun.com"<br /> proxyPort = "9010"<br /><br /> # 代理隧道验证信息<br /> proxyUser = "XXXX"<br /> proxyPass = "XXXX"<br /><br /> proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {<br /> "host" : proxyHost,<br /> "port" : proxyPort,<br /> "user" : proxyUser,<br /> "pass" : proxyPass,<br /> }<br /><br /> proxies = {<br /> "http" : proxyMeta,<br /> "https" : proxyMeta,<br /> }<br /><br /> html = requests.get(url,headers=headers,timeout=30)<br /> # html = requests.get(url,headers=headers,timeout=30,proxies=proxies)<br /> code = html.encoding<br /> return html.content<br /><br /><br />def getContent(word):<br /><br /> pcurl = 'http://www.baidu.com/s?q=&tn=json&ct=2097152&si=&ie=utf-8&cl=3&wd=%s&rn=10' % word<br /> # print '@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ start crawl %s @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@' % pcurl<br /> html = getHTml(pcurl)<br /><br /> a = 0<br /> html_dict = json.loads(html)<br /> for tag in html_dict['feed']['entry']:<br /> if tag.has_key('title'):<br /> title = tag['title']<br /> url = tag['url']<br /> rank = tag['pn']<br /> time = date(tag['time'])<br /> abs = tag['abs']<br /><br /> if word in abs:<br /> a += 1<br /> return a<br /><br /><br />con = mdb.connect('127.0.0.1','root','','wddis',charset='utf8',unix_socket='/tmp/mysql.sock')<br />cur = con.cursor()<br />with con:<br /> cur.execute("select aid,content from pre_portal_article_content limit 10")<br /> numrows = int(cur.rowcount)<br /> for i in range(numrows):<br /> row = cur.fetchone()<br /><br /> aid = row[0]<br /> content = row[1]<br /> content_format = re.sub(']*?>','',content)<br /><br /> a = 0<br /> for z in [ x for x in content_format.split('，') if len(x)>10 ][:2]:<br /> a += getContent(z)<br /> print "%s --> %s" % (aid,a)<br /><br /><br /># words = open(wordfile).readlines()<br /># pool = multiprocessing.Pool(processes=10)<br /># for word in words:<br /> # word = word.strip()<br /> # pool.apply_async(getContent, (word,client ))<br /># pool.close()<br /># pool.join()<br />
最新发布:如何使网站在搜索引擎中排名首页？
相信大部分人都对SEO推广很熟悉了，但是随着搜索引擎算法的更新，如今的网络SEO推广越来越难。在搜索引擎中排名并不容易。
1、查询搜索量
我们可以先选择一些核心行业关键词，使用一些关键词工具查询关键词的准确搜索量，或者通过百度搜索下的相关搜索整理关键词和搜索量进入 关键词 搜索大小，然后按难度排序。
2、分析关键词比赛
从关键词搜索范围中选择搜索量大的关键词，然后一一搜索百度，分析网站在首页的排名，查看这些网站的优化性能和相关数据。
3、识别关键字
这一步比较简单。毕竟我们之前也做过一些分析。这一步是将分析结果整理成文档。不过这一步一定要慎重，核心和子核心的分类要清楚。通常，核心关键词只有 20%。通常，核心关键词会在网站首页进行优化，其他关键词根据实际情况进行优化，包括渠道页面，或者核心产品和业务页面。
