1、提取文字现在的搜索引擎还是以文字内容为基础，蜘蛛抓取到的页面中的HTML代码，除了用户在浏览器上可以看到的可见文字处，还包含了大量的HTML格式标签，JavaScript程序等无法用于排名的内容，搜索引擎预处理首先要做的就是从HTML文件中去除标签、程序，提取出可以用于排名处理的网页面文字内容
搜索引擎存储和处理页面及用户搜索都是以词为基础的
英文等语言单词与单词之间有空格分隔，搜索引擎索引程序可以直接把句子划分为单词的集合
而中文词与词之间没有任何分隔符，一个句子中所有字和词都是连在一起的
搜索引擎必须首先分辨哪几个词组成一个词，哪些字本身就是一个词
比如“公务员考试”将被分词为“公务员”和“考试”两个词
3、去停止词无论是英文还是中文，页面内容中都会有一些出现频率很高，却对内容没有任何影响的词，如“的”、“地”、“得”之类的助词，“阿”、“哈”、“呀”之类的感叹词，“从而”、“以”、“却”之类的副词或介词
英文中的常见停止词有the,a,an,to,of等
4、去除噪音绝大部分页面上还有一部分内容对页面主题也没有什么贡献，比如版权声明文字，导航条、广告等
以常见的博客导航为例，几乎每个博客页面上都会出现文章分类、历史存档等导航内容，这些页面本身与“分类”、“历史”这些词都没有任何关系
所以这些区城都司于噪声，对页面主题只能起到分散作用
5、去重去重的基本方法是对页面特征关系词计算指指纹，也就是说从页面主体内容中选取最有的一部分关键词（经常是出现频率最高的关系词），然后计算这些关键词的数字指纹
6、正向索引7、倒序索引8、链接关系计算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、特殊文件处理除了HTML文件外，搜索引擎通常还能抓取和索引以文字为基础的多种文件类型，如PDF、Word、WPS、XLS、PPT、TXT文件等
但目前的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
《这就是搜索引擎核心技术详解》pdf下载在线阅读全文,求百度网盘云资源...
链接: https://pan.baidu.com/s/1qksGjlxbw4rOEgB_AJBy8w
提取码: 5u42
作者：张俊林
豆瓣评分：8.0
出版年份：2012-1-1
页数：300
内容简介：
搜索引擎作为互联网发展中至关重要的一种应用，已经成为互联网各个领域的制高点，其重要性不言而喻。搜索引擎领域也是互联网应用中不多见的以核心技术作为其命脉的领域，搜索引擎各个子系统是如何设计的？这成为广大技术人员和搜索引擎优化人员密切关注的内容。
本书的最大特点是内容新颖全面而又通俗易懂。对于实际搜索引擎所涉及的各种核心技术都有全面细致的介绍，除了作为搜索系统核心的网络爬虫、索引系统、排序系统、链接分析及用户分析外，还包括网页反作弊、缓存管理、网页去重技术等实际搜索引擎必须关注的技术，同时用相当大的篇幅讲解了云计算与云存储的核心技术原理。另外，本书也密切关注搜索引擎发展的前沿技术：Google的咖啡因系统及Megastore等云计算新技术、百度的暗网抓取技术阿拉丁计划、内容农场作弊、机器学习排序等。诸多新技术在相关章节都有详细讲解，同时对于社会化搜索、实时搜索及情境搜索等搜索引擎的未来发展方向做了技术展望。为了增进读者的理解，全书大量引入形象的图片来讲解算法原理，相信读者会发现原来搜索引擎的核心技术理解起来比原先想象的要简单得多。
作者简介：
张俊林：本科毕业于天津大学管理学院，2004年于中科院软件所直接获得博士学位并留所从事科研工作，研究方向为搜索引擎与自然语言处理。2005年在CSDN博客发布系列博文“搜索引擎设计实用教程：以百度为例”，在网络上获得了广泛转载与良好口碑。2006年作为联合创始人建立了智能信息聚合网站“玩聚网”，曾先后于阿里巴巴搜索技术中心任资深搜索技术研究员、房价网首席研究员，现任职于新浪微博，从事微博搜索与语义分析及推荐方面的研发工作。
如何做seo优化
一:seo优化的第一步，做一个推广得当的网站。第一步:选择一个推广得当的网站域名。网站域名尽量是产品名称缩写公司名称。不一定要尽量选择不想关闭的网站域名。顶级域名应该是。com，有利于搜索引擎优化和发布。第二步:在开始铺网站布局的时候，网站要尽量使用百度搜索引擎能识别的代码。最重要的是，文字描述是主导，照片的atl值也必须进行，这样百度搜索引擎才能识别图片。第三步:在首页留一个频道，展示新闻报道。百度搜索引擎的重点识别是文本文件格式。
2
/6
第二，seo优化要检查网站内部链接，检查做出来的网站是否都能打开连接成功。一旦有死链接，百度搜索引擎会告知这个网站不太好，提高外部链接的曝光度，也就是网站曝光度的高低。曝光度越高，百度搜索引擎就觉得这个网站更有价值，想强力推荐给目标客户。
/6
第三，seo优化要按照百度搜索引擎手册来推广。一般百度搜索引擎推广手册是对seo优化最好的补充，百度搜索引擎优化指南2.0》网页开发设计指南是对推广最好的解释。
/6
四:每一个经过seo优化的百度搜索引擎，网站的分辨率都不一样。如果你想进行更强的推广，尝试推广每一个百度搜索引擎的营销，那么百度搜索引擎会认可你的网站是一个合适的推广，因为该网站早已被百度搜索引擎认可。
/6
五:网站发布的话，尽可能在首页有新闻报道，首页有新闻报道代表网站的不断升级。尽可能不用设备刷点击你的网站。一旦被百度搜索引擎发现，你的网站最终会受到降级的惩罚。如果你的网站被降级处罚，推广起来会比登天还难，一定要慎重。
/6
六:seo优化新闻报道尽可能发布原创新闻报道，不必东拼西凑，摘抄别人的文章。因为拼凑、提炼出来的文章，对于推广来说没有任何好处和坏处，只是展示了文章的内容。所以一定要用心写原创新闻报道，和我们做过的关键词相关的原创新闻报道。最后一个提示，大家的网站一定是备案的网站。备案代表网站可以马上打开。如果你不能打开网站百度搜索引擎，你的网站将受到降级处罚。
1、检查网站结构和网站首页
2、检查栏目导航
3、检查关键词布局、内页
4、检查域名
5、搜索网站权重、索引、流量、关键词指数
6、分析品牌词，摘取关键词
7、检查友链、外链、出站链接的质量和权重
8、然后分析问题，针对问题做出优化方案
网站SEO优化步骤有哪些？
让我来你这个问题吧。
通过SEO做好网站排名是个系统工程，总体可以分为站内优化和站外优化。
1、站内代码优化技术上要达到html5+DIV+css3以上，手机、电脑和pad自适应，AMP网站当前做谷歌最好，配置高性能服务器，最好是独立IP。代码轻便加载速度快，配合结构化数据，富媒体展示。
产品详情模板：标题（关键词）----标题介绍----产品详情--产品细节图---产品特性及卖点---对应图片----生产工艺---文字说明--配图----车间配图---包装说明---包装配图---运输说明---配图
界面设计可以做的漂亮些，一且为客户着想。
完善好导航栏，副导航，类目，面包屑导航，推荐产品，详情页锚链接等等，具体的根据本身业务的需求来定，栏目可以在网站后台自由扩展。
(1)、产品更新，每天更新产品内容，用产品标题覆盖关键词；
（2）、blog更新，可以一周更新一个；
外链建设要循序渐进，不可以三天大鱼两天晒网，寻找针对性的资源，就是跟自己的业务相关的资源进行推广。
每天可以做的外链：博客链接，论坛链接，书签链接，黄页网站，B2B平台网站，PDF文件，评论链接，视频链接，sns社交平台网站链接，个人文件链接。这个具体实施，就是你要找到这些资源，然后注册，发布。没有什么技巧。一定要人工操作，不可以软件发布。
三、SEO的步骤基本就明确了：
选择跟自己业务相关的单词字母来作为域名，简单容易记为标准，可以带着品牌名。
3、规划栏目类目
建议使用关键词工具查询相关的类目词，使用有流量的词作为类目
4、发布产品，发布blog充实内容，参考上面提到的内容添加内容
6、网站上线，提交sitemap到搜索引擎
7、完成收录，这时可以开始做外部链接
8、传内容的时候，同时做外链，做外链循序渐进，选择高质量链接
9、分析网站收录情况，排名情况，调整内容，锚链接外链，调整词排名方向
我是专业的SEO策略研究和践行者，还有什么关于SEO不明白的可以关注和咨询我！
