SEO搜索引擎优化：技巧、策略与实战案例，以及搜索引擎原理介绍

近期看了有关推广的四本书，其中有两本最令我难以忘怀，一本是《走进搜索引擎》，另一本是《SEO 搜索引擎优化：技巧、策略与实战案例》，这两本书的特性为，前者以二十一万字详尽阐释了搜索引擎的原理，后者穿插若干实际案例用以讲解具体的优化技巧，因而从一定层面来讲，你读完这两本书之后，倘若你声称自己依旧不会进行搜索引擎优化、仍然会被割韭菜，那么很遗憾，你可以远离这个行业了 。

可是，第1本书存在着唯一的不足之处，那便是具备一定的专业程度，对于新手小白而言，着实不太友善，缘由在于这本书的作者乃是一位博士，书中穿插了诸多公式，故而降维打击的效果颇为显著。

这本书对搜索引擎进行了划分，划分成了4个部分，分别是下载系统，还有分析系统，再者是索引系统，以及查询系统。依旧遵循老规矩，我会针对这简单的4个部分做个总结。

一、下载系统

事实上，下载系统也就是我们所说的下载各类页面，谈起下载系统，自然少不了爬虫系统，这部分内容着重讲了它抓取页面采用的方式以及相关抓取策略的介绍，我径直拿例子来做说明，在下载系统里，按照域名分解抓取任务的工作由一个调度员模块来处理，借助域名分解把不同的网页调度给不同的爬虫去抓取。

(1）调度员通过更新规则向URL请求一个URL 抓取任务。

(2）调度员计算出该URL，然后分配给编号为0的爬虫抓取。

(3）爬虫0实际抓取的网页存放在 Page库中。

(4）爬虫0在抓取的网页中提取其他链接后反馈给调度员。

（5）调度员去判断网页的类型，并且设定初始的更新时间等，之后存放在URL库里面，然后继续转（1），如此周而复始 。

二、分析系统

分析系统实际上就是对信息进行抽取，还包括将网页信息予以结构化，这句话该怎么去理解呢，实际上蜘蛛会在抓取的url当中，对页面信息展开分析处理，在这一部分我们需要留意一个被称作标签树的事物，而在处理这个过程时需要用到标签分析栈，在这个过程当中，其实就是把代码块里头的文本提取出来，我们在这里举一个例子，。

测试1

测试2

测试3

...

在分析系统经历进栈至退栈这个过程之后，所提取到的也仅仅是测试1、测试2、测试3这类文本信息，那么要怎样才可判断出來哪一些属于正文信息呢？于此就需要运用投票方法，借助不同的规则去打分，得分越高的那一部分便是正文部分，对此该怎么去理解呢？举例来说，倘若我们获取到文本块文本长度＜10个字，得分即为0，10 - 50个字得分5，依此类推。同样的，文本块文本于左侧位置加分5，右侧位置为0，中间部分是10，也就是说，打分较高的会被判定为正文，打分低的会被判定为广告或者无效信息，那么百度在判断内容时，也是依据这些内容进行判断的。

提及分析，必然少不了网页查重这一环节，这可是决定页面能否被收录的关键要素，在这一块的实现办法里，用得最为频繁的便是l-Match算法以及Shingle算法。

这两种算法存在不同之处，在于前者把去掉高频和低频词汇后的那些词汇，经过排序从而得到一个字符串，接着使用签名算法去获得该字符串的签名，要是存在其他文档跟这个签名值是一样的，那么就判定为相似。

后面的那种做法，是采用抽取瓦片这般的方式，去达成将一个文档转变为一组字符串集合的目的，其中每一个元素都是一个Shingle，所以呢，判断两个文档之间的相似性，就被转化成了去判断字符串集合的相似性，（我晓得你没办法听明白，我这里举个例子）。

比如这有两段话：

第一段，新浪体育播报，中国足球队是在米卢的率领之下呀，首次获取了世界杯决赛阶段的比赛资格呢。

中国足球队首次杀进世界杯决赛阶段，是由米卢率领的，搜狐体育进行了播报。

l-Match算法

Shingle 算法

一般说来，网页查重至少需要如下3个主要步骤:

(1）特征抽取

(2）相似度计算、评价是否相似。

(3）消重

附言：在对内容原创度进行判断之时，所依据的乃是时间戳以及爬虫爬取页面的先后顺序，也就是说，那些先被爬虫爬取到的，在时间上更早的，基本上会被判定为原创。

一旦抵达这一步之后，便会进行分词，实际上，在市售的众多名词分词相关计算机程序当中，此处就不再予以详细解说阐述了，词语分割大多遵循依据字词表进行分词以及依赖于统计数据的分词模式和方式方法路径。我在此处列举出一个示例：

走进搜索引擎

分词后的最终实际结果是走进/搜索引擎，不要问为什么？

此处提及了一个PR模型，此模型便是我们常常所说的网页投票，就实际应用而言，就是我们得针对页面展开内链处理。

总结 一下：

三、索引系统

索引系统属于复杂工作流程，其中涵盖倒排索引，包含倒排表，还有临时倒排文件，以及最终倒排文件，在此大概讲述下系统会将一个个页面处理成文档编号，接着通过一系列计算形成正排表，进而生成倒排表。

四、查询系统

存在4个系统，其中，只有查询系统是面向用户的，针对信息的量化问题，我们要知晓一个名为「信息嫡」(shang）的概念。此外，用户提交的是一个query，然而，对于搜索引擎而言，它所要处理的是一个检索词。这一部分会运用布尔检索模型。我们依旧举个例子，比方说用户输入搜索引擎系统构成这个词，那么下面存在3个段落：

在传统搜索引擎格局里，搜索引擎是由来4个系统组合而成的，它们分别是下载系统，分析系统，索引系统，还有查询系统。

（2）在机械行业范围之内，通常会将小型挖掘给简称为小挖，小挖是由5个系统所构成的，这5个系统分别是……，要是想要详细地去理解这些名词的话，那么可以采用Google搜索引擎来搜索一下 。

一、搜索引擎存在着四个主要功能模块， 二、它们分别是下载系统， 三、以及分析系统， 四、还有索引系统， 五、另外查询系统也是其中之一。 六、这四个系统属于是搜索引擎的核心内容， 七、而其中查询系统更是搜索引擎唯一直接面向客户的系统 。

很明显能看出，用户在查找搜索引擎系统的构成情况，而百度是在搜索搜索引擎以及系统构成，如此一来，上述三个页面之中的第一个和第二个都涵盖了这两个词汇，特别是第一个，从直观层面而言，其相关性更佳，然而布尔检索模型仅仅解决存在与否的问题，并不处理好与不好的问题。

所以，就得接入向量空间模型，此模型针对文字开展向量相似度运算，向量化进程依据关键词维度，对一个文档予以向量化，比如说，步入搜索引擎，研习搜索引擎，分词后的结果为，走进（1），学习（1），搜索引擎（2），那么这个短句的向量化运算便是（2,1,1）。

依照刚才搜索所得结果而言，实际上根本没办法搜索到（3），因而，我们是需要经典的TF/IDF权重计算方法的。（TF/IDF参考相关物料）。

那么，页面是怎样进行排序的呢？算法借助计算文档向量以及查询向量的夹角余弦，从而获取向量相似度，这是一个能够被量化的数值，排序依据这个数值的大小关系来开展排列。

海量的搜索结果存在，用户几乎不会耐着性子去看完全部的检索结果，有调查表明，大部分用户使用搜索引擎查询时，得到搜索结果页后不会向下翻页，而是只着重关注关于搜索结果的第1页 。

总结一下：

查询系统里那被称作页面排序的东西，实际上是按照相关度、页面重要级别等诸多因素来进行排序的，这便是为何有的人会觉得，同样都是一篇文章，为何人家的页面在排名上比你高，其缘由就在于别人的页面所获得的投票次数要比你多得多，而这个页面投票有可能是外链投票，也有可能是内链投票。

将这两本书看完了之后，内心感触是颇为深刻的，这两本书所具备的含金量，都要远远高于其他关于SEO的书籍，起码就我目前看过并且翻阅过的书籍当中，已然寻觅不到能够与这两本书相媲美的存在了。

相信从事该行业的人员，除了采集与快排之外，书中诸多内容，或许不少人既不了解，也不熟悉，故而倘若你对这方面事物抱有兴趣，建议认真研读，起码能够防止被收割韭菜，还能间接地提升知识层面 。

花好几千去学TDK，这回事儿，或者呢，花几千仅仅学到基础的东西而已，算了吧，这简直就是割韭菜，哼！