这么久才开通留言功能，好丢人，这篇是本渣渣图新鲜试试

　　这么久才开通留言功能，好丢人，这篇是本渣渣图新鲜试试

　　额外：

　　消息功能开通好久了，丢人了。这篇文章就是为了试用这个渣图中的消息功能。没有干货。

　　采集 内容对 SEO 有效吗？

　　有人说采集内容对搜索引擎不是很友好，也不容易获得排名。这是必然的，也是不可避免的。

　　对于大多数网站来说，采集 的内容一定不如 UGC 或精心编辑的内容有效。但是，搜索引擎能够获取到的原创内容量已经没有以前多。毕竟内容制作平台已经转移，早就不再集中在网站上。其他几个搜索引擎还在互相追赶，更不用说小网站了。

　　所以采集内容仍然有效，但是采集内容的后期处理成本越来越高。

　　采集内容后处理

　　担心采集的内容效果不好或者容易被K，主要看如何对内容进行后期处理。打个比方：这就像从沃尔玛拿一篮猕猴桃，完好无损地放进家乐福。最多只能是原价，因为猕猴桃还是猕猴桃，产品不变。但是把猕猴桃挤成汁（形状改变），加一点水装瓶（改变粒度），在711卖（换平台），价格可以翻倍（增值）

　　为什么？因为形状变了，果汁是不同于水果的商品，果汁更容易吸收

　　因为平台变了，711定价本身比沃尔玛家乐福高一点

　　因为粒度变了，一切都会在一命二二三三重生。

　　前三个的变化导致价值翻倍

　　如果把“采集内容”比作“猕猴桃”，“采集内容”的后处理策略如下：form

　　组织内容的方式有无数种。无论是将相同的内容拆分并分发到多个地方，还是将多个相关内容聚合在一个地方，或者其他方式，都可以让搜索引擎更容易接受。 ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ?????????????????????????????????????????????????????? ???????????????????????????????????????????????????<//p

p平台/p

p技术行业有专长。从新浪对一些垂直行业内容的把握，到对应的行业垂直网站，绝对比放在新浪上更合适。把专业的内容放到专业的网站。/p

p粒度/p

p内容也被抓取。粒度越细，在搜索引擎中的原创度就越高。举个极端的例子，星座股被命名为八卦、算命、生日、风水、算命、qq头像、动态图……这类站的哪些内容不重复？/p

p收获/p

p采集的目的是填补内容的漏洞，使同一主题的内容比其他的更丰富、更充实，从而增加页面内容的价值。/p

p采集Content 完整流程/p

p关于“采集内容处理”，从抓取到启动的整个过程，需要解决以下问题：采集内容从何而来？/p

p采集如何捕捉内容？/p

p采集如何处理内容？/p

p采集 内容从何而来？/p

p对于认真认真的人，更适合定位采集，购买专业数据。/p

p针对采集，只捕获几个特定的​​网站特定范围，与本站内容漏洞高度相关。/p

p对于那些不正式做网站的人来说，还有更多的选择。你可以抓取一点点的内容，而且数量很大，所以不需要限制某些网站的抓取。有人称之为 pan采集/p

p设置几个主题，直接抓取各个大平台的搜索结果。大平台是什么意思？海量内容集中的地方：各种搜索引擎、各种门户、今日头条、微信微博、优酷土豆等/p

p采集如何捕捉内容？/p

p定位采集：/p

p稍微，你可以做你平时做的任何事情。/p

pPan采集：/p

p目标爬虫仅限于网页模板。在此基础上增加了几种内容分析算法来提取内容，改为通用爬虫。/p

p很多浏览器插件，比如印象笔记，都有很多类似“只看文字”的功能。单击可仅显示当前网页的文本信息。很多人已经将这样的算法移植到python、php、java等搜索编程语言中。/p

p采集如何处理内容？/p

p两个连续的过程：处理原创内容/p

p整理处理后的内容/p

p正如百度在原创内容处理专利中提到的，搜索引擎不仅会根据正文判断内容相似度，还会判断html的dom节点的位置和顺序。如果两个网页的html结构相似，则有可能。将其视为重复内容。/p

p所以采集的内容不能直接上传，必须清理源码。每个人都有不同的方法，个人一般做如下： html清理保留主标签：p, img/p

p从标签中删除不重要的属性/p

pa = re.sub(r')*?','',content).strip()/p

pb = re.sub(r'/p

p]*?','/p

p',a)/p

pnewcontent = re.sub(r'alt="[^"]*?"','alt="%s"'% title,b).lower()/p

p删除的汉字个数/p

ptext = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——!,::.?,~@#￥% ……&*()“”《》]+".decode("utf8"), "".decode("utf8"),newcontent)/p

ptext2 = re.sub(')*?>','',text)

　　words_number = len(text2)

　　删除垃圾邮件

　　如“XXX网络编辑：XXX”、邮箱地址等。 .

　　整理处理后的内容

　　其实我之前写过一篇关于“组织内容”的几种方式的文章，就行形式的变化而言。参见：【SEO】如何使用网站content？

　　================================================ ====

　　知识星球-->以后会有福利，比如一段会写*敏*感*词*句子的Python代码

　　微信公众号---->右下角