关于百度对网站内容的识别

　　上个月开始，我制作了两个旅游信息类网站，目前网站收录良好，快照实时更新，但一直尚未有排名。我个人分析了一下，可能在网站的内容上还存在一些问题，那么今天在这里以二一网(www.21w.cc)为例来跟大家讨论一下关于百度对网站内容的识别这一个问题。

　　一、百度对网站内容原创度的识别

　　今年5月份开始，百度推出了百度原创火星计划，很明显的一个标志就是在页面的索引前加上了一个时间。百度方面的说明是，在原创内容上面获得优待方式上只要满足了用户需求前提下，给予优先展示，另外，展现上，给原创内容还进行标记。但是，根据我个人实际操作各部分站长的反馈来看，大家都感觉百度的原创识别技术不高，包括笔者在内。

　　拿二一网来说，有时候自己写的原创文章，收录了，但是并没有原创内容的标记;有的时候非原创的文章转载过来，却有原创内容的标记。当然，出现这种情况可能是百度本身在原创内容的识别上数据库不够强大，后台内容比对过渡还不够完善。从专业学术的角度来看，如果一篇文章里有连续的30个字与其他地方的文章相同，同时引文不添加引用标记，则可以认定为抄袭。

　　与百度原创火星计划相相似的谷歌原创计划运行这么长时间以来，也一直没有取得较好的效果。个人认为，现在更多的内容识别可能更依赖于百度权重而已，与文章内容并无太大关联。

　　二、百度对网站内容排版格式的识别

　　不知道大家有没有这样的体会，建好一个网站后，能过网站采集功能，从其他相关网站采集回来，对文章格式进行处理后，再发布到网站上去，百度也能给予原创内容的标记。

　　原本以来，百度蜘蛛抓取时，只会抓取文章正文内容，丢弃代码格式。但是，反过来一想，百度需要识别一些使用格式来做黑帽SEO的手法，从这一点需要上来说，百度不会丢弃网页代码，在抓取时会将代码与正文一同抓取。

　　那么，有了上面的分析，我们通过在现在文章上添加一些新的格式、排版就能实现文章的伪原创了吗?对于这个问题，我现在还不能完全给出结论，但可以肯定的一点的是，文章排版排除用户体验的因素后，对百度的抓取还是有一定影响的。

　　三、百度对网站内容页面中时间的识别

　　百度快照超前和快照滞后这两种情况不知道大家有没有见过，但是我在实际操作过程发现这种情况依然存在的。先来解释一下这两种现象吧：

　　百度快照超前，就是百度快照时间超过了当前时间，举个例子，今天是2013年9月12日，但是你的网站中有一个网页快照是2014年9月12日。百度快照滞后则正好相关，比如你发布了一篇文章，发布时期是2013年9月12日，按百度目前的处理情况来看，百度快照应该是2013年9月12日，但是现在你的快照时间是2012年9月12日，而快照时间点上，你的网站还没有上线呢!这又是一种什么情况呢?

　　通过分析整理，发现是百度对网页中时间的抓取处理上存在问题。比如，2013年9月12日发布了一篇文章，但是这篇文章的发布时期上却写的是2012年9月12日，那么就有可能出现快照滞后的现象。快照超前则相反。当然，出现这种情况也都只是可能，并不一定都会这样，这也暴露了百度在索引中存在的一些问题。有兴趣的同学可以去试验一下，在快照时间与关键词排名方面可以研究一下。

　　文章首发凡夫网赚网 08398.com ，转载请注明出处：二一网http://www.21w.cc 。谢谢。