搜索引擎预处理步骤及注意事项，你知道吗？

　　搜索引擎预处理步骤及注意事项，你知道吗？

　　搜索引擎预处理步骤：

　　1）Extracting text 是指从 HTML 代码中提取主题内容并去除标签。

　　2）中文分词是通过字典匹配和统计匹配来分离关键词。根据相关性，不同的页面切分结果可能不一样。

　　3）Go 停用词，即停用词，如“de地得”的一些助词和“ahhhhh”的感叹词，英语单词“a an the toof”等。

　　4） 去噪，即去除一些与页面主题内容无关的文本，如分类、历史等。

　　5）去除重复项，即判断该页面是否与其他页面或网站内容重复，并删除重复项。 PS：搜索引擎讨厌那些完全采集和网站复制其他网站内容的人，会惩罚他们，比如降低他们的权利。

　　6）Positive index，即对抓取到的页面进行排序，每个页面对应多个关键词。

　　7）Inverted index，即爬取的页面按关键词排序，因为单靠前向索引的计算量无法满足实时返回排名结果的要求。

　　8）link计算关系，即计算页面上的各种链接关系，包括锚文本、导入链接、导出链接。

　　位置和点击率（只适用，不适用，尤其是中文搜索习惯不同）：

　　根据AOL美国在线意外发布的数据分析，搜索引擎搜索结果的前5页大致占了99%的流量，第一页占了89.71%，第二页占4.37%，第二页流量占2.42%，第1到10的点击率分别为42.1%、11.9%、8. 5%、6.1%、4.9%、4.1%、3.4%、3%、2.8%、3%。第10位高于第9位的原因可能是用户在浏览到页面的最后一个结果时没有其他选择，所以他点击了最后一个页面。

　　必须学习的对 SEO 非常有用的高级搜索命令：

　　1）双引号---搜索结果完全匹配关键词

　　2）减号---搜索结果在减号后排除关键词

　　3）星号---什么意思，比如搜索“*gun”，搜索结果可以是手*敏*感*词*，步*敏*感*词*，甚至是霰弹*敏*感*词*。 * 可以是任何字符，包括符号和字母。

　　4）inurl:---搜索结果中的url必须收录搜索到的关键词。

<p>5）inanchor:---该命令返回的结果是导入链接锚文本中收录搜索到的关键词的页面。比如B网站有一个锚文本“看这里”，他链接到A网站的X页面，然后搜索inanchor：看这里，结果页面是A网站的X页面