搜索引擎的數(shù)據(jù)分析系統(tǒng)

1、搜索引擎的數(shù)據(jù)分析系統(tǒng)來源:史占強(qiáng) 作者:zjkszq1989 2012-07-12 08:41我來投稿 參與評(píng)論數(shù)據(jù)分析系統(tǒng)，是搜索引擎整個(gè)工作流程的第二個(gè)系統(tǒng)，也就是既搜索引擎蜘蛛抓取系統(tǒng)的后一個(gè)系 統(tǒng)，搜索引擎的數(shù)據(jù)分析系統(tǒng)主要用來處理蜘蛛抓取回來的網(wǎng)頁，今天呢，小強(qiáng)會(huì)給你詳細(xì)的講解，搜索 引擎的數(shù)據(jù)分析系統(tǒng)的工作流程及幾個(gè)重要的知識(shí)點(diǎn)。我們剛剛說了，數(shù)據(jù)分析系統(tǒng)主要是分析蜘蛛抓取 回來的內(nèi)容，那么怎樣分析呢?主要涵蓋以下幾點(diǎn)。網(wǎng)頁結(jié)構(gòu)化什么是網(wǎng)頁結(jié)構(gòu)化呢?我們要知道網(wǎng)頁，是由html組成，搜索引擎蜘蛛最后抓取回來的，也都是html 的代碼頁面，簡(jiǎn)單的說，網(wǎng)頁結(jié)構(gòu)化，就是刪掉html代碼

2、，然后留下其中的內(nèi)容，如下圖，圖1是網(wǎng)頁結(jié) 構(gòu)化之前，圖2就是網(wǎng)頁結(jié)構(gòu)化之后。! DOC TYPE html PUBLIC /WSCZ/DTI) XHTML I. 0 Transit i onal/ZEF ?Lt+p:/ww. w3. orif. TR/shtml 1 /ITD/sh-j-ml J -tr ansit i or： ?.l. dt d 魅的登 tit le.在東莞做網(wǎng)絡(luò)營(yíng)銷與網(wǎng)站獎(jiǎng)口優(yōu)化的弓長(zhǎng)家口姚家房人-史占強(qiáng)辦met a nanie= keywords7 ErrtErrt=史 占強(qiáng) 典、-X$cript5fy 1 e #nav ,= ul. sub-menTi display

3、: none : 4/styleink rel=f Shortcut Icon type= image/jt-ictinhref= htt時(shí)/www. hizhanciiarLW. Eni/f aviEn.讓口 / 4div id= top“基蠹div id= header*div :class= baniier-ul id= menu class= menu ；spanMSZsparL/ li id=menu-item-7 cilass menu-item menu-item-+ ype-custom menu-item-object-custom menu-item-7a href= HY

4、PERLINK http:/ww http:/ww. shizhanqiang. com/life生活碎語/spanX/ 溜1 id= menu-item-26T class= menu-item menu-item-type-custom menu-item-object-custom menu-it em-26 a href= HYPERLINK http:/ww http:/ww. shizhanqiang, com/market ingTspan ;Vspan VWli id=menu-item-27 class= menu-item menu-item-type-custom men

5、u-item-object-custom menu-it ejii-27T .a href= http：7/ww. shizhanqians. com/seow Xsrianseosrian./li；網(wǎng)頁結(jié)構(gòu)化之前在東莞做網(wǎng)絡(luò)營(yíng)銷與網(wǎng)站瞻口優(yōu)化的昧家口姚家房人-史占強(qiáng)首頁生活碎語網(wǎng)絡(luò)營(yíng)銷徑?jīng)r暗口顧問什迭是超嵐接？ 07-09 埋:44評(píng)（0）如修月9玻璃外的水珠，美麗漂亮、透徹，怛卻不可觸膜生活碎諾0 CogentMy life shit.我總直 液透祥去描迷生活，因?yàn)樯钪谐錆M了太多的無奈，以.至于讓自己喘不過氣，當(dāng)小的時(shí)但，在姚家房這一畝三始地1感覺世間 很美好，每天發(fā)愁的只有作業(yè)，隨著自

6、己慢慢的長(zhǎng)大，慢慢的認(rèn)識(shí)這個(gè)社會(huì)的時(shí)候才發(fā)現(xiàn)，oh- shit 鈕 201.207月9搜索引 擎蜘蛛的抓取策略seo索引擎優(yōu)化）g基礎(chǔ) Ccjment. 篇文章是屬于百度/桂索引擎）的工作原理危的第二課）下的文章，主要講解搜索引擎的蜘蛛尷蟲的工作原理1包括它的四種抓取策略虹201207月E百度（搜索引擎J的工作原理0 第二課）sea （搜索引擎優(yōu)化j 5的教程W Comment大家好，我是小強(qiáng)，在上篇文章，我們說了如口到底是什女，金天眼，我 們來說略口基礎(chǔ)的異一個(gè)重點(diǎn)，也就是百度搜索引擎的工作原理，其實(shí)也就是搜索引擎的工作原理了，當(dāng)然，這也是每奇凱口 教程都會(huì)有的一節(jié)課，可能新手會(huì)問* 搜索引

7、擎也會(huì)有它的工作原理嘛？這是自然.：比如，我們?cè)诎俣人阉鳌皷|莞K猊后 搜索結(jié)果會(huì)出現(xiàn)，那警寇個(gè)搜索結(jié)果是根據(jù)什茶來判定的昵？換句話說，搜索引擎是怎樣計(jì)算出也個(gè)排名昵？削1戲7月6到底 住么是袈口？（饑口第一課）seo （搜索引擎優(yōu)化3 斯教程1 Comnent什玄是括口昵？詭況和ce 口是兩個(gè)掘念，逐個(gè)我們要區(qū) 加彩統(tǒng)的說1如口就搜索引擎憂化，通過一些技術(shù)手法，把我們網(wǎng)站的關(guān)鍵詞排在搜索引擎的搜索結(jié)果前邊，遂就是郭口，今 天，小強(qiáng)會(huì)帶領(lǐng)粽詳綢的讓很郭口，讓禰斕麹口有一十詳詳細(xì)細(xì)的譙.” 1207月4網(wǎng)站內(nèi)留有什么作用蜃怎樣科學(xué)的建衫網(wǎng)站 內(nèi)鏈柜饋搜索引擎優(yōu)化）東莞皿漆歐g 0 Comments

8、在近1點(diǎn)年中.，小強(qiáng)和一些網(wǎng)站合作,我提供網(wǎng)站診斷書和網(wǎng)站M口 優(yōu)化篡施方案，在近期和上海、北京等幾家醫(yī)院合作，幫他何誨斷了網(wǎng)站，并且給他們鑫口的實(shí)施方案，但是簽于他們團(tuán)隊(duì)好: 都是小白，換句話說，不太怖即口，網(wǎng)站內(nèi)銷的建設(shè)還差點(diǎn)呢小，:今;天小強(qiáng)抽點(diǎn)時(shí)間來說下，網(wǎng)站內(nèi)鏈有什忍.作用該怎樣科學(xué)的 建設(shè)網(wǎng)站內(nèi)鏈。107月4祥盛是網(wǎng)站權(quán)重？女口（搜索引擎優(yōu)化）瞻口基礎(chǔ)0 tommeni;件雄是網(wǎng)站松重呢？網(wǎng)站的板重只 有高瓶龍斜并沒有實(shí)際的數(shù)值，這個(gè)容歇的FR值不一樣（PE，是谷歌對(duì)網(wǎng)頁的一個(gè)評(píng)敬，一共1函*至于站長(zhǎng)工具 愛占等 查詢出來的網(wǎng)站松重，都是他們經(jīng)過自己的算法評(píng)刑出來的1換句話說，非搜

9、索引擎官方的數(shù)值“如修折月%燈8玄急諫排名 技巧 g搜索引擎優(yōu)化）矗技巧,東莞旺Q,實(shí)戰(zhàn)郭口 0 Cpmmentfe大家好.i我是小強(qiáng)，今天昵，癌強(qiáng)抽點(diǎn)時(shí)間來通下，最 近賣戰(zhàn)咨知的刑試結(jié)果，主要是網(wǎng)站急速排名的方法，當(dāng)然主要都是授沁關(guān)鍵詞的排名，其實(shí)這篇文章的標(biāo)題有點(diǎn)夸弓長(zhǎng)，網(wǎng)站急 i更排名，這汗本身就帶有黑帽性質(zhì)，搜索引擎怎次咎讓&的網(wǎng)站有急速排名的如果呢2因?yàn)槲覀儾⒉煌撇绱蠹矣煤诿秉L口去做網(wǎng)網(wǎng)頁結(jié)構(gòu)化之后網(wǎng)頁的內(nèi)容消噪在網(wǎng)頁結(jié)構(gòu)后之后，依然存在著一些搜索引擎不需要的內(nèi)容，比如說導(dǎo)航欄的菜單文字，底部的版權(quán) 信息等，這些呢，都是搜索引擎不需要的，搜索引擎只需要內(nèi)容，那么在這個(gè)時(shí)候就會(huì)對(duì)網(wǎng)頁結(jié)構(gòu)化之后 的內(nèi)容進(jìn)行消噪處理，簡(jiǎn)單的說，消噪就是把內(nèi)容之外的文字全部刪掉，比如菜單上的文字，底部版權(quán)的 文字等等。那么搜索引擎的數(shù)據(jù)分析系統(tǒng)怎么判斷哪些是菜單文字哪些是版權(quán)信息呢？其實(shí)很簡(jiǎn)單，就是對(duì)比，比如一個(gè)內(nèi)容頁，除了內(nèi)容不一樣，其他的內(nèi)容幾乎一樣，比如導(dǎo)航，每個(gè) 頁面都有導(dǎo)航，而且文字也一樣，版權(quán)也是，當(dāng)然也會(huì)根據(jù)html的源碼去分析。對(duì)頁面的查重對(duì)頁面的查重其實(shí)很好理解，就是搜索引擎蜘蛛在抓取你這個(gè)網(wǎng)站所有的頁面中，用你這個(gè)頁面去對(duì) 比抓取的頁面，看看內(nèi)容是否有重復(fù)，如果有，那么就刪掉。分詞分詞是什么東西呢?簡(jiǎn)單的說，就是把一句話切割成N個(gè)詞語，分詞又分為中文分詞和英文分詞，搜索