郑州天伦医院Seo关健词分析教程.ppt

搜索引擎蜘蛛和网页的三大问题 一、搜索引擎蜘蛛能不能找到你的网页 二、搜索引擎蜘蛛找到网页后能不能抓 取网页 三、搜索引擎蜘蛛抓取网页之后，能不 能提炼有用信息 一、搜索引擎蜘蛛能不能找到你的网页 1搜索引擎喜欢什么样的网站 ⑴网站内容的相关性 ⑵网站及网页的权威性 ⑶网站的实用性 2搜索引擎蜘蛛算法与蜘蛛程序构架 ⑴网络蜘蛛基本原理 ⑵网站与网络蜘蛛 ⑶网络蜘蛛对内容提取 ⑷网络蜘蛛的程序构架 想把网站搜索排名提高，就得研究搜索引擎喜欢什么样的网站， 也就是用户搜索的关键词与网页内容是否匹配，是否有相关性。 相关性的加强可以通过页面内优化和一小部份链接优化来达到的，包括页面的关分健词位置布局、关健词的强调、通过语义分析得到相关性、内部链接的安排、网页标题等。外部链接锚文字，以及链接的内容，也会对目标网页的相关性产生影响。 内容相关性是做网站的人最容易控制的，也是最容易被作弊的。第一代的搜索引擎就主要以相关性做判断，但在被钻空子钻的一塌糊涂后，不得不引入权威性的衡量。 网站的权威性，大部份是由外链所决定的。高质量的外链越多，网站的权威性就越高。另外，域名的注册历史，网站的稳定性，隐私政策等一些细节，也会影响到权威性。 外链对网站的权威性是有选择性的，也就是说，来自相关内容网站的链接对提高链权威性帮助最大。比如，在医院博客上加一个链接到某个钢材网站，很明显，医院在钢材方面没有权威性。 网站的权威性不能被做网站的人完全控制，想要作弊，比较费时费力，群发等手段还容易被查出来，但是如果花钱花时间，还是可以得到人为的外链，所以现在搜索引擎开始考虑网站的实用性。 即对用户来说，你的网站到底有多大用处？用户是不是喜欢你的网站？ 如果用户在你的网站花的时间多，游览页数多，在不同的时间经常来看你的网站，加入了游览器书签，并且在不同的网上书签站加了评论，这些都可以帮助搜索引擎理解你的网站对用户的实用性。 搜索引擎的工具条可以帮助收集这类信息，也可以利用社会网络收集信息。     　 　 搜索引擎建立网页索引，处理的对象是文本文件。对于网络蜘蛛来说，抓取下来网页包括各种格式. 包括html、图片、doc、pdf、多媒体、动态网页及其它格式等。 这些文件抓取下来后，需要把这些文件中的文本信息提取出来。准确提取这些文档的信息，一方面对搜索引擎的搜索准确性有重要作用，另一方面对于网络蜘蛛正确跟踪其它链接有一定影响。 ? 对于doc、pdf等文档，这种由专业厂商提供的软件生成的文档，厂商都会提供相应的文本提取接口 因为现在的主流网站大多采用的是HTML语言写的，这里大概说一下HTML。 HTML有一套自己的语法，通过不同的命令标识符来表示不同的字体、颜色、位置等版式，如：、、等，提取文本信息时需要把这些标识符都过滤掉。过滤标识符并非难事，因为这些标识符都有一定的规则，只要按照不同的标识符取得相应的信息即可。 但在识别这些信息的时候，需要同步记录许多版式信息，例如文字的字体大小、是否是标题、是否是加粗显示、是否是页面的关键词等，这些信息有助于计算单词在网页中的重要程度。 同时，对于HTML网页来说，除了标题和正文以外，会有许多广告链接以及公共的频道链接，这些链接和文本正文一点关系也没有，在提取网页内容的时候，也需要过滤这些无用的链接。 例如某个网站有“医院介绍”频道，因为导航条在网站内每个网页都有，若不过滤导航条链接，在搜索“产品介绍”的时候，则网站内每个网页都会搜索到，无疑会带来大量垃圾信息。 那么如何用ASP构建网络蜘蛛呢？答案是：Internet transfer control (ITC信息转移控制)。这个由 微软提供的控件，将使你能够通过ASP程序访问Internet资源。你可以用ITC搜寻Web页面，访问FTP服务器，甚 至可以发送邮件标题。 　　有几个缺陷必须先说明一下。第一，ASP无权访问Windows的注册表，这就使某些ITC正常存储的常量和数 值不可用。通常你可以通过设置ITC为“不使用默认值”来解决这个问题，这就需要你在运行过程中指明每一 次的值。? 另一个更严重的问题是关于许可证书的。由于ASP不具备调用License Manager（一项Windows中的功 能，可以保证组件和控件的合法使用）的功能，那么当