搜索引擎如何抓取网页(国外文章（谷歌翻译）对html标签的评分)
优采云 发布时间: 2021-09-13 08:16搜索引擎如何抓取网页(国外文章（谷歌翻译）对html标签的评分)
今天偶然看到的一篇外文文章（谷歌翻译）。挺有意思的，主要是对常见的html标签打分的形式。虽然有些描述略显过时，但大部分标签的分析还是很有相关性的。在这里做个记录，方便以后做wordpress主题的时候合理布局(x)个html标签。
先看搜索引擎对html标签的评分：
内部链接文本：10 分
标题：10分
域名：7分
H1、H2 字号标题：5 分
每段第一句：5分
路径或文件名：4分
相似度（关键词stacking）：4 分
每句开头：1.5分
粗体或斜体：1分
文字使用（内容）：1分
title属性：1分（注意不是title>，是title属性，比如a href=...title=”）
alt 标签：0.5 分
Meta description（描述属性）：0.5分
Meta关键词（关键字属性）：0.05分
标签是最常用的。以后选择模板的时候一定要注意优化网站。以下是具体的优化建议：
1、静态页面
更改信息页面和频道，网站首页为静态页面，这将有助于搜索引擎更快更好地收录。
关键词2、页面标题优化
必须列出信息标题、网站名称以及相关关键词。
3、 Meta tag优化（过去搜索引擎优化的重要方法已经不再是关键因素，但仍然不能忽视）
主要包括：Meta描述，Meta关键字将关键字密度设置为适中，通常为2%-8%，这意味着您的关键字必须在页面上出现多次，或者在搜索引擎允许的范围内，以避免填充关键字。
4、 为 Google 制作站点地图
Google 的站点地图是原创 robots.txt 的扩展。它采用XML格式记录整个网站信息并供谷歌阅读，让搜索引擎能够更快更全面的收录网站内容。
可以使用谷歌提供的Sitemap*敏*感*词*制作（需要技术人员制作）：
技术人员也可以制作更全面的站点地图。
5、关键词图片优化
不要忽略图片的替换关键词。另一个功能是当图片无法显示时，可以给访问者一个替代的解释语句。
6、 避免表格嵌套
目前，此站点上的表格嵌套过多。搜索引擎通常只读取 3 个嵌套的 。如果嵌套太多，将无法检测到一些有用的信息。
7、 网站refactoring 使用网络标准
尽量使网站的代码符合W3C的HTML4.0或XHTML1.0规范。通过XML+CSS技术重构网站，减少无格式和冗余代码，提高网站页面的可扩展性和兼容性，让更多浏览器支持。
8、网站结构平面规划
目录和内容结构不应超过三层。如果超过三个级别，最好通过子域调整和简化结构级别的数量。另外，目录命名的标准做法是使用英文而不是拼音字母
9、 页面容量的合理化
合理的页面容量会提高网页的显示速度，增加搜索引擎蜘蛛的友好度。同时建议js脚本和css脚本尽量使用链接文件
10、外部文件策略
将javascript文件和css文件分别放在js和css外部文件中。这样做的好处是将重要的页面内容放在页面顶部，同时减少文件大小。有利于搜索引擎快速准确的抓取页面的重要内容。其他字体（FONT）和格式标签也尽量少用，推荐使用CSS定义。
11、external link
尽量让其他与你话题相关的网站链接到本站，并尽量链接到PR值更高的网站。如果网站提供与话题相关的导出链接，搜索引擎认为与该话题相关的内容丰富，也有利于排名，比如各种招商引资网站和投融资网站的概念。此外，无论质量如何，都应避免*敏*感*词*联网。对于搜索引擎，最好是不那么精确。
12、网站Map
网站自己的网站map是搜索引擎更全面索引收录你的网站的重要因素。建议制作基于文本的网站地图，其中收录网站的所有列和子列。 网站map 的三大要素：文本、链接、关键词，对搜索引擎抓取主页内容极其有帮助。特别是动态生成的目录网站尤其需要创建网站映射。
13、图像热点
除AltaVista和Google明确支持图片热链接外，其他引擎目前不支持。当“蜘蛛”程序遇到这种结构时，将无法区分它。所以尽量不要设置图片热点（Image Map）链接。
14、FLASH 应用
FLASH不收录文字信息，所以尽量用于功能展示和广告，网站栏目和页面少用。
15、JS 脚本
在不支持JS脚本的浏览器中，NOSCRIPT>标签会起到重要的提醒作用，对搜索引擎的蜘蛛搜索也有帮助。
16、帧帧
搜索将忽略 Frame 标记。尽量少用。如果必须使用它，则应正确使用 Noframe 标签。在 Noframe>/Noframe> 区域中，收录指向框架页面的链接或带有 关键词 的描述文本。同时关键词文字也出现在框外。
17、news 内部链接
