多用戶網(wǎng)店系統(tǒng)優(yōu)化必須先了解搜索引擎原理，再做SEO優(yōu)化(上)

　　你知道“百度”這個搜索引擎是怎么工作的嗎?你有過這樣的疑惑嗎,同樣多用戶網(wǎng)店系統(tǒng)主題，為什么在百度上他的排名在我前面?其實(shí)都是百度的排序算法左右著我們的多用戶網(wǎng)店系統(tǒng)排名。那好，我們只要摸清楚百度是如何給我們這些網(wǎng)站排名的話，我們就能對癥下藥把我們多用戶網(wǎng)店系統(tǒng)優(yōu)化成它喜歡的多用戶網(wǎng)店系統(tǒng)，排名自然就上去嘍!

　　其實(shí)，搜索引擎的工作過程大體上可分為三個階段：

　　一、爬行和抓取--搜索引擎蜘蛛通過跟蹤鏈接訪問網(wǎng)頁，獲得頁面HTML代碼存入數(shù)據(jù)庫。

　　二、預(yù)處理--索引程序?qū)ψト淼捻撁鏀?shù)據(jù)進(jìn)行文字提取，中文分詞，索引等處理，以備排名程序調(diào)用。

　　三：排名--用戶輸入關(guān)鍵詞后，排名程序調(diào)用索引庫數(shù)據(jù)，計算相關(guān)性，然后按一定格式生成搜索結(jié)果頁面。

　　那么問題來了!我們知道，要想讓我們的多用戶網(wǎng)店系統(tǒng)讓百度收錄到它的數(shù)據(jù)庫中，就必須讓百度蜘蛛在茫茫的互聯(lián)網(wǎng)中發(fā)現(xiàn)我們，蜘蛛的工作原理是順著網(wǎng)站的鏈接地址進(jìn)行爬行抓取頁面信息，單從理論上來說蜘蛛可以爬行和抓取互聯(lián)網(wǎng)上所有頁面，但是實(shí)際上不能，也不會這么做，在這種前提下，蜘蛛所要做的就是盡量抓取重要頁面。 所以，我們SEO人員要想讓自己的更多頁面被收錄，就要想方設(shè)法吸引蜘蛛來抓取。

　　被搜索引擎認(rèn)為符合重要頁面的幾個因素：

　　1、網(wǎng)站和頁面權(quán)重

　　2、頁面更新度

　　3、導(dǎo)入鏈接

　　4、與首頁點(diǎn)擊距離

　　我們只有讓我們的網(wǎng)站向上面這4條信息靠攏，才會被蜘蛛發(fā)現(xiàn)并收錄到數(shù)據(jù)庫中。好了，當(dāng)我們的網(wǎng)站信息被百度收錄后接下來就可以分為以下幾個步驟：

　　1、預(yù)處理。在一些SEO材料中，“預(yù)處理”也被簡稱為“索引”，因?yàn)樗饕穷A(yù)處理最主要的步驟。我們知道在百度數(shù)據(jù)庫中收錄的并不是現(xiàn)成的頁面，而是“HTML”標(biāo)簽源代碼，搜索引擎預(yù)處理的工作內(nèi)容首先除去HTML代碼后，剩下的用于排名的文字只是一行。

　　除了可見文字，搜索引擎也會提取出一些特殊的包含文字信息的代碼，如：META標(biāo)簽中的文字，圖片替代文字，F(xiàn)lash文件中的替代文字，鏈接錨文字等。

　　2、中文分詞(這是中文搜索引擎所獨(dú)有的，誰讓我們的文化博大精深呢，沒辦法，就是任性!)。中文分詞方法基本上有兩種：

　　(1)、基于詞典匹配--將待分析的一段漢字與一個事先造好的詞典中的詞條進(jìn)行匹配，在待分析漢字串中掃描到詞典中已有的詞條則匹配成功，或者說切分出一個單詞。

　　(2)、基于統(tǒng)計--指的是分析大量文字樣本，計算出字與字相鄰出現(xiàn)的統(tǒng)計概率，幾個字相鄰出現(xiàn)越多，就越可能形成一個單詞。

　　3、去停止詞 。停止詞--無論是英文還是中文，頁面內(nèi)容中都會出現(xiàn)頻率很高，卻對內(nèi)容沒有任何影響的詞，如“的”、“地”、“得”之類的助詞，“啊”、“哈”、“呀”之類的感嘆詞，“從而”、“以”、“卻”之類的副詞或介詞，這些詞被稱為停止詞。 因?yàn)檫@些停止詞對頁面的主要意思沒什么影響，所以搜索引擎索引頁面之前會去掉停止詞，使索引數(shù)據(jù)主題更為突出，減少無謂的計算量。

　　4、消除噪聲。所謂噪聲，就是除了停止詞以外，對頁面主題沒有什么貢獻(xiàn)的因素，比如：博客頁面的“文章分類”、“歷史存檔”等。

　　消噪的基本方法： 根據(jù)HTML標(biāo)簽對頁面分塊，區(qū)分出頁頭，導(dǎo)航，正文，頁腳，關(guān)高等區(qū)域，在網(wǎng)站上大量重復(fù)出現(xiàn)的區(qū)塊旺旺屬于噪聲。對頁面進(jìn)行消噪后，剩下的才是頁面主題內(nèi)容。

　　5、去重。搜索引擎在進(jìn)行索引前還需要識別和刪除重復(fù)內(nèi)容，這個過程就稱為“去重”。其意義在于提升用戶體驗(yàn)(搜索引擎不喜歡重復(fù)性內(nèi)容)。

　　去重方法： “去重”的基本方法是對頁面特征關(guān)鍵詞計算指紋，也就是說從頁面主題內(nèi)容中選取最有代表性的一部分關(guān)鍵詞(經(jīng)常是出現(xiàn)頻率最高的關(guān)鍵詞)，然后計算這些關(guān)鍵詞的數(shù)字指紋。

　　6、正向索引 。正向索引也可以簡稱為索引 ，搜索引擎索引程序?qū)㈨撁婕瓣P(guān)鍵詞形成詞表結(jié)構(gòu)存儲進(jìn)索引庫。并由文件ID映射著其關(guān)鍵詞內(nèi)容，一一對應(yīng)。

　　7、倒排索引。正向索引還不能用于排名，最終用于排名的是倒排索引。所以搜索引擎會將正向索引數(shù)據(jù)庫重新構(gòu)造為倒排索引，把文件對應(yīng)到關(guān)鍵詞的映射轉(zhuǎn)換為關(guān)鍵詞的文件的映射。

　　8、鏈接關(guān)系計算。鏈接關(guān)系計算也是預(yù)處理中很重要的一部分。 搜索引擎在抓取頁面內(nèi)容后，必須事前計算出： 頁面上有哪些鏈接指向哪些其他頁面 每個頁面有哪些導(dǎo)入鏈接 鏈接使用了什么錨文字 這些復(fù)雜的鏈接指向關(guān)系形成了網(wǎng)站和頁面的鏈接權(quán)重。

　　9、特殊文件處理。

　　搜索引擎除了可以抓取HTML文件外，通常還能抓取和索引以文字為基礎(chǔ)的多種文件類型，如：PDF、WORDS、WPS、PPT、TXT等文件。 目前搜索引擎還不能處理圖片、視頻、Flash這類非文字內(nèi)容，也不能執(zhí)行腳本和程序。

　　做完上面這幾件事后，最后的工作就是多用戶網(wǎng)店系統(tǒng)排名了。由于這里寫不下，還望大家關(guān)注我下一篇文章哦，我會詳細(xì)講解搜索引擎是如何給我們的多用戶網(wǎng)店系統(tǒng)進(jìn)行排名的。也歡迎大家有什么問題能跟我交流討論!

<本文由himall原創(chuàng)，商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請標(biāo)明：himall原創(chuàng)>