对症下药：了解搜索引擎工作原理，再做SEO！(上)

　　你知道“百度”这个搜索引擎是怎么工作的吗?你有过这样的疑惑吗,同样网站主题，为什么在百度上他的排名在我前面?其实都是百度的排序算法左右着我们的网站排名。那好，我们只要摸清楚百度是如何给我们这些网站排名的话，我们就能对症下药把我们网站优化成它喜欢的网站，排名自然就上去喽!

　　其实，搜索引擎的工作过程大体上可分为三个阶段：

　　一、爬行和抓取--搜索引擎蜘蛛通过跟踪链接访问网页，获得页面HTML代码存入数据库。

　　二、预处理--索引程序对抓取来的页面数据进行文字提取，中文分词，索引等处理，以备排名程序调用。

　　三：排名--用户入关键词后，排名程序调用索引库数据，计算相关性，然后按一定格式生成搜索结果页面。

　　那么问题来了!我们知道，要想让我们的网站让百度收录到它的数据库中，就必须让百度蜘蛛在茫茫的互联网中发现我们，蜘蛛的工作原理是顺着网站的链接地址进行爬行抓取页面信息，单从理论上来说蜘蛛可以爬行和抓取互联网上所有页面，但是实际上不能，也不会这么做，在这种前提下，蜘蛛所要做的就是尽量抓取重要页面。 所以，我们SEO人员要想让自己的更多页面被收录，就要想方设法吸引蜘蛛来抓取。

　　被搜索引擎认为符合重要页面的几个因素：

　　1、网站和页面权重

　　2、页面更新度

　　3、导入链接

　　4、与首页点击距离

　　我们只有让我们的网站向上面这4条信息靠拢，才会被蜘蛛发现并收录到数据库中。好了，当我们的网站信息被百度收录后接下来就可以分为以下几个步骤：

　　1、预处理。在一些SEO材料中，“预处理”也被简称为“索引”，因为索引是预处理最主要的步骤。我们知道在百度数据库中收录的并不是现成的页面，而是“HTML”标签源代码，搜索引擎预处理的工作内容首先除去HTML代码后，剩下的用于排名的文字只是一行。

　　除了可见文字，搜索引擎也会提取出一些特殊的包含文字信息的代码，如：META标签中的文字，图片替代文字，Flash文件中的替代文字，链接锚文字等。

　　2、中文分词(这是中文搜索引擎所独有的，谁让我们的文化博大精深呢，没办法，就是任性!)。中文分词方法基本上有两种： 1、基于词典匹配--将待分析的一段汉字与一个事先造好的词典中的词条进行匹配，在待分析汉字串中扫描到词典中已有的词条则匹配成功，或者说切分出一个单词。 2、基于统计--指的是分析大量文字样本，计算出字与字相邻出现的统计概率，几个字相邻出现越多，就越可能形成一个单词。

　　3、去停止词 。停止词--无论是英文还是中文，页面内容中都会出现频率很高，却对内容没有任何影响的词，如“的”、“地”、“得”之类的助词，“啊”、“哈”、“呀”之类的感叹词，“从而”、“以”、“却”之类的副词或介词，这些词被称为停止词。 因为这些停止词对页面的主要意思没什么影响，所以搜索引擎索引页面之前会去掉停止词，使索引数据主题更为突出，减少无谓的计算量。

　　4、消除噪声。所谓噪声，就是除了停止词以外，对页面主题没有什么贡献的因素，比如：博客页面的“文章分类”、“历史存档”等。

　　消噪的基本方法： 根据HTML标签对页面分块，区分出页头，导航，正文，页脚，关高等区域，在网站上大量重复出现的区块旺旺属于噪声。对页面进行消噪后，剩下的才是页面主题内容。

　　5、去重。搜索引擎在进行索引前还需要识别和删除重复内容，这个过程就称为“去重”。其意义在于提升用户体验(搜索引擎不喜欢重复性内容)。

　　去重方法： “去重”的基本方法是对页面特征关键词计算指纹，也就是说从页面主题内容中选取最有代表性的一部分关键词(经常是出现频率最高的关键词)，然后计算这些关键词的数字指纹。

　　6、正向索引 。正向索引也可以简称为索引 ，搜索引擎索引程序将页面及关键词形成词表结构存储进索引库。并由文件ID映射着其关键词内容，一一对应。

　　7、倒排索引。正向索引还不能用于排名，最终用于排名的是倒排索引。所以搜索引擎会将正向索引数据库重新构造为倒排索引，把文件对应到关键词的映射转换为关键词的文件的映射。

　　8、链接关系计算。链接关系计算也是预处理中很重要的一部分。 搜索引擎在抓取页面内容后，必须事前计算出： 页面上有哪些链接指向哪些其他页面 每个页面有哪些导入链接 链接使用了什么锚文字 这些复杂的链接指向关系形成了网站和页面的链接权重。

　　9、特殊文件处理。

　　搜索引擎除了可以抓取HTML文件外，通常还能抓取和索引以文字为基础的多种文件类型，如：PDF、WORDS、WPS、PPT、TXT等文件。 目前搜索引擎还不能处理图片、视频、Flash这类非文字内容，也不能执行脚本和程序。

　　小编自己的见解：(到这一步我们能利用一下其特性。我们都知道网站的相关性直接影响网站的排名，而我们的网站中必须穿插的其他的不相关信息，比如联系方式，等等。我们可以把这些做成图片或者视频放到我们网站上，这样百度预处理程序不认识图片或者视频，而我们的相关度就会比其他网站高，百度当然会向用户优先推荐我们喽!)

　　做完上面这几件事后，最后的工作就是排名了。由于这里写不下，还望大家关注我下一篇文章哦，我会详细讲解搜索引擎是如何给我们的网站进行排名的。也欢迎大家有什么问题能跟我交流讨论!

　　作者：小沛

　　QQ：1049554551