干货内容:天企网络：网站外部SEO优化之如何评估一个外链的价值，精华！

　　干货内容:天企网络：网站外部SEO优化之如何评估一个外链的价值，精华！

　　随着搜索引擎算法的不断调整，对于SEOER来说，要知道一个页面排名的决定性因素已经不是那么单一了，外链时代早已一去不复返了，搜索引擎考虑的指标也越来越多样化。传统意义上的SEO已不复存在。

　　那么如果你是SEO外链专家，外链是否够高我们应该从哪些方面考虑呢？下面给出20个因素，都是SEO从业者多年经验的精华，仅供大家参考！

　　1. 锚文本三星

　　锚文本只获得三颗星的原因是，无论您是否有锚文本，链接都具有价值。区别在于精确的锚文本优于不太精确的锚文本，完全匹配的锚文本优于部分匹配的锚文本，锚文本优于没有锚文本。就这样。

　　如果您根本没有反向链接，即使链接不是锚文本，请尝试赢得它。

　　2. 一星页面权限

　　之所以给出这么低的分数，主要是因为搜索引擎。谷歌已停止更新PR，百度从未给出官方BR。搜索巨头有自己独立的一套算法规则和排名逻辑，太不可预测了。

　　因此，与其关注单个链接的权重，不如关注域权限、网站重要性、您网站上其他页面的重要性、相关性等。

　　3.相关三星

　　相关性是一个重要指标，但没有有效的工具可以给出准确的值。

　　尽管如此，关联仍然是获取海量信息源的重要手段之一。可能很难找到完全相关或非常相关的网站，但看似不相关的网站也可以成为您的信息来源并与之交换链接。不要轻易排除这些不相关的链接或网站。

　　4、五星级域名权威

　　这是 20 个因素中最重要的因素之一。这是判断一个环节是否优于其他环节的关键。一般来说，域名权限越高越好。因为越高，越能提升排名，点击的人越多，产生的影响力也越大。

　　

　　5. 两星页面位置

　　给它两颗星的原因是因为它很重要，仅此而已。你为什么这么说？如果链接在页脚、页面侧面或广告区域，搜索引擎很容易认为它是广告链接。如果设置了nofollow，看起来也像是在宣传什么，对你影响不大。所以，可以考虑，一点点就够了。

　　6.内部链接/外部链接五颗星

　　当你留下的反向链接页面有足够的内链和外链时，很明显这个页面很重要，你留下的反向链接也很重要。

　　7、页面其他链接质量四星

　　这实际上非常重要。不幸的是，没有一站式的方法来衡量页面上所有其他链接的质量。你必须一一检查。需要注意的是，您是否必须查看此页面是否为打开目录？如果是这样，请考虑是否需要提交自己的 URL。当然，如果这个页面的其他链接都不错，你不妨试试看。

　　8.页面内容完整性三星

　　这是一个非常主观的判断，因为我们可以选择 文章 关于来源、整体网站内容等。之所以选择这个，是因为搜索引擎试图通过机器跟踪或深度学习来分析网站的内容，并跟踪用户对该内容的反应和反馈，最后做出评估，这是一个大趋势。

　　9. 四星级用户体验

　　如果一个页面很受用户欢迎，用户会不断点击，那么搜索引擎就会从浏览器、安卓、wifi服务器等中看到，所以在社交媒体上分享有价值的内容很重要，从而促进了大量的外链转发，最终带来流量！

　　10.关注和不关注五星级

　　在每次后台测试中，我们发现nofollow 链接和follow 链接的处理方式不同。尽管它们都具有很好的相关性，但请记住，nofollow 链接和关注的链接本身是高度相关的，您应该尝试使用一些分析工具来找到那些 nofollow 链接。

　　11. 页面深度一星

　　以前一级目录的链接比二级目录的链接更容易吸引蜘蛛爬，首页比其他页面更容易吸引蜘蛛。但是今天，搜索引擎可以抓取所有页面，他们判断所有页面，他们知道所有页面。

　　

　　12.图片VS文字零星

　　不要太担心这一点，因为它是如此明显。图片链接比锚文本弱，当然，如果图片链接带来的流量高于锚文本，那就另当别论了！

　　13.链接和页面年龄是零星的

　　有一些追溯工具可以查看链接和页面的年龄。您可能认为一些旧链接对排名影响不大，但事实恰恰相反。通常我们可以看到一个新页面总是喜欢链接到一个旧页面，这就是原因。

　　14. 主题页面三星

　　这并不是说从域名角度看本站的权威，而是指某个热点话题下的本站权威。最快的检查方法是尝试在任何搜索引擎中搜索某个主题，查看目标站点是否排在前10位，然后使用关键词搜索工具逐一检查关键词。

　　15. JavaScript vs HTML 两颗星

　　我给这个元素打了两星，因为代码仍然是引起搜索引擎注意的一种方式，并且 网站 操作员仍然可以更改代码以影响页面排名。您可以通过查看搜索引擎快照来查看站点或链接是否已编入索引或 收录。

　　16. 垃圾邮件链接 4 星

　　这个非常重要。只要搜索引擎发现该网站的垃圾链接过多，就会立即放弃该网站或受到更严重的处罚。如果可能的话，你可以打开相关的分析工具，给你的网站打分，看看有多少垃圾链接。

　　17.链接增长速度是零星的

　　如果您正在做白帽、非手动、非垃圾邮件链接建设，您永远不必担心这一点。如果没有，你必须担心。永远不要认为你可以比搜索引擎更聪明，它不会捕捉到你在做什么。如果必须，请尝试使链接至少在表面上看起来很漂亮。

　　18.Authorauthority 授权两颗星

　　这对于链接建设者的重要性更多的是从影响者的角度来看，而不是从简单的 SEO 角度来看。如果您能找到权威专家为您的网站撰写内容并链接到您，那就太棒了！你可以在推销自己时引用专家的话网站。

　　超值资料:【自研】东鸽用 Go 语言写了一个能够自动解析新闻网页的算法

　　“夜班”，当之无愧的明星

　　的公众号。

　　输入网页文本（无需输入xpath），自动结构化输出标题、发表时间、正文、作者、来源等信息。

　　对于流量，标题有点虚张声势。但是，该算法确实可以在多个来源和多个站点中使用。已经在生产环境中应用，效果不错。

　　先体验一下

　　打开体验地址（或点击阅读下方原文）->体验页面[1]，体验页面比较简单，主要分为3个区域：体验说明、参数输入区、分析结果展示区。

　　在开始体验之前，您可以阅读体验说明。

　　① 打开新闻页面，如永福：林业科技专员助力麻竹种植[2]。

　　② 然后在页面空白处右击，在弹出的选项卡中选择查看页面源代码。

　　然后我们看到浏览器新窗口中显示的网页原文

　　③ 选择所有文本并复制。查找 Base64 编码的在线工具 [3]

　　④ 将复制的网页原文粘贴到框1，然后点击加密按钮，框2会出现对应的Base64编码，点击复制按钮将内容复制到剪贴板

　　⑤ 回到我们的体验页面，将Base64内容粘贴到参数输入区的网页框中，在URL中填入这个文章对应的URL。

　　⑥ 点击开始分析按钮，稍等片刻，体验页面会弹出分析结果提示。然后可以滑动到下方的分析结果显示区查看分析结果。

　　解析结果展示区主要分为界面信息、解析耗时统计、解析结果三部分。

　　接口信息主要是后端接口返回的一些信息；

　　分析耗时统计是每个环节的耗时记录，单位为毫秒；

　　该算法的结果会显示在解析结果中，如文章标题、文章出处、文章发表时间、文章作者、文章正文，文本所在的HTML标签，文本所在的HTML标签的Class属性等。

　　还有根据文本内容计算的文章分类、文章标签、文章摘要等。多实体命名+情感分析还在训练中，所以还没有体验页面。

　　

　　建议你找一些其他的新闻页面，用同样的方法复制粘贴到体验页面，看看算法是怎么工作的。

　　这个算法有什么用

　　事实上，我们在工具应用中已经看到了这种算法：早年360浏览器推出的阅读模式几乎就是这样的算法。阅读模式可以屏蔽那些广告、侧边栏和底栏内容，让您专注于阅读文档和小说。

　　在研发层面，它也发挥着很大的作用。我们来看一些业务场景：

　　①假设一家舆情公司，它采集news文章data，经过提取内容、标注、训练，最终形成舆情产品（比如什么舆情，什么舆情波）。

　　②我们再举个栗子，假设一个投标公司，它采集投标信息，然后格式化内容提取投标标题、投标金额、投标人信息、代理信息，投标要求等，可以形成一个投标产品（例如千匹马投标）。

　　无论是新闻网站还是竞价信息网站，站点的数量非常多，通常在几万个。按照惯例，招聘一批爬虫工程师+一批写xpath规则的工作人员（通常是勤奋的实习生），从上万个站点中一个一个的填写xpath，等爬虫的时候去读采集 取对应的xpath进行解析。

　　几十、几百个网站，幸好这几万个站点的数据要填好几个月。另外，有些网站会有页面规则变化，导致无法解析数据，所以需要每天更新xpath。你想想工作量...

　　但是有了这样的算法，就不需要填写每个xpath了。

　　你的团队/公司可以采集在短时间内获得大量数据，你不开心

　　这个算法强大吗？

　　先不说强不强。让我们看看哪里有这样的算法或产品。

　　1、之前提到过360浏览器（现在是其他厂商的浏览器）有这样的产品。

　　2、微软似乎也有类似的能力，也开放了API接口。

　　3. Readability，国外开源Python库。

　　4.国内开源Python库GNE。

　　5、部分国内硕士研究论文（可在百度图书馆查询）。

　　6. 其他基于深度学习的库，名字记不住了。我记得微软工程师崔庆才写的。

　　7.有个国外的网站，名字忘记了，费用很贵。

　　8.有一个用Java写的外文版本，名字里有News，但是我忘记了。

　　现在大家体验的算法都是受GNE启发的。在GNE的早期，我通读了源码，与原作者进行了很多交流，询问了很多知识。后来在我写的《Python3网络爬虫合集》一书中，有一章介绍了GNE算法的原理和源码。再次感谢GNE作者青楠。

　　体验过浏览器的阅读模式，通过阅读源码阅读了Readability，也通读了国内能找到的相关论文。目前深度学习相关库和计费接口尚未测试。

　　这类自动解析算法的好坏在于几个点：效率、提取能力和准确性。以下是我接触过的几种算法的评估：

　　1. 可读性基于 HTML 标签的权重。比如p标签的权重高于div，h的权重高于span。在很标准的新闻网站中，效果还可以，但是一般计算出来的结果都离谱。

　　

　　2、GNE早期，GNE早期是基于标点密度的，90%以上的网页解析都没有问题。但是在实际应用中发现了几个问题：内容会被截断，正文少的会被错误识别，发布时间和页面显示不一样。与文本提取相关的问题都是由密度算法引起的。由于提取优先级和逻辑选择了另一种方式，因此时序不规则。

　　3.国内论文，因为看不懂国外论文，只能搜索国内论文。一般来说，基于文字密度、标点密度、位置、距离等，效果其实不是很好。在这里你可能会问，为什么论文的结果这么好？

　　那是因为测试样品选择得很好！！！

　　4. GNE-modern，GNE-modern是基于人类视觉+新闻网页特征规则的。一般的逻辑是网页的内容通常在网页的中间，这样可以消除左右上下的噪音。中间的噪声通过块的长度来判断，最后可以提取出非常准确的文本。

　　技术细节不能泄露太多，我举个例子。上图中的蓝色块是放置图片的位置。从 GNE-Modern 的角度来看，它会认为蓝色块的宽度和下面文字的宽度不同，所以这个块会是噪声，应该排除。

　　先不说那些需要大量样本训练的深度学习算法，毕竟我自己没有体验过。但有一点是肯定的，仅仅基于分类和回归的深度学习是不可能取得好的效果的。不知道bert模型出来后有没有人训练出更好的模型。

　　对比总结：上面列举的例子中，GNE-Modern的body part提取是最好的，但是我记得是需要浏览器渲染的，从效率上看好像还没有找到好的解决方案。

　　本文中的算法，大家可以体验一下，毕竟实际体验可以证明好不好。我觉得这篇文章的算法目前可以​​按照效率+准确率+提取能力来排名（这是一个很谦虚的词）。

　　放上群友提供的哔哩哔哩专栏的分析效果。

　　算法的逻辑是什么

　　不好意思，我现在不打算讨论这个问题，也不是开源的时候，下一个。

　　引用了哪些算法

　　前面说过，我读过Readability和GNE-early的源码，国内也读过大部分相关论文。

　　一开始我是基于GNE的早期优化和改造。

　　看了很多深度学习相关资料，最后决定不走这条路线，因为结果发现效果并没有达到我想要的效果。

　　突然有一天，我在看《天上九歌》的那一集选了那一集，得到了灵感。经过短暂的编码，我测试了一下，发现结果是可行的，于是我就一头扎进去了。这条领带是20年...

　　错误的

　　是 200 天

　　哪些区域可以横向缩放

　　现在主要用于新闻数据分析，可以扩展到招标网页分析、电子商务网页分析、药品网页分析等。

　　如果从深度学习的角度来看，它们可能需要不同的训练、不同的样本和不同的算法模型。但是从我的算法原理来看，它们都是一样的，适当的改动，就可以得到另一个领域的解析算法。

　　参考

　　[1] 体验页面：3597/

　　[2]永福：林业科技专员助力麻竹种植：

　　[3] 在线工具：