網(wǎng)站優(yōu)化100問第一篇我們講了搜索引擎的搜索搜索抓取篇，也認(rèn)識了搜索引擎是引擎優(yōu)化原理引擎優(yōu)化怎么把網(wǎng)站的內(nèi)容抓取的，搜索引擎蜘蛛把網(wǎng)站的基本內(nèi)容抓取回去后用戶在搜索的時候就能夠直接展現(xiàn)出來了嗎？得到的答案肯定不是，用戶在搜索引擎查詢的網(wǎng)站時候，在億級為單位的案例網(wǎng)頁數(shù)據(jù)庫中查找某個特定的關(guān)鍵詞簡直是猶如大海里面撈針，需要很長的搜索搜索時間才可以完成查找并得到相關(guān)內(nèi)容，如果是引擎優(yōu)化原理引擎優(yōu)化這樣，用戶會等待嗎？所以搜索引擎在建設(shè)的基本初期就從用戶體驗角度考慮，必須在毫秒級別給予用戶滿意的網(wǎng)站結(jié)果展示，否則用戶只能流失搜索引擎也只能倒閉，案例那么搜索引擎是搜索搜索怎樣完成這樣的工作呢？那就是今天講到的預(yù)處理了

數(shù)據(jù)分析系統(tǒng)，是引擎優(yōu)化原理引擎優(yōu)化處理搜索引擎蜘蛛抓取回來的網(wǎng)頁，那么數(shù)據(jù)分析這一塊又分為了一下幾個：1、基本網(wǎng)頁結(jié)構(gòu)化分析下載回來的網(wǎng)站網(wǎng)頁，刪除網(wǎng)頁無用和不能分析的案例代碼，分析網(wǎng)站標(biāo)簽2、消噪在網(wǎng)頁結(jié)構(gòu)化中，已經(jīng)刪掉了網(wǎng)頁代碼，僅剩下了文字內(nèi)容，那么消噪是為什么呢？。

都知道在網(wǎng)頁中我們會出現(xiàn)很多的常用詞 如：我們，的、地、得、版權(quán)、申明等信息，這些常見而且無用的詞，都將在此環(huán)節(jié)清理3、去重去重比較好理解，就是系統(tǒng)在對比查找重復(fù)的網(wǎng)頁與內(nèi)容，如果找到重復(fù)的頁面，就放在一起，經(jīng)過后面的其它步驟繼續(xù)處理。

4、分詞（切詞）分詞更多說的是中文分詞，就是搜索引擎蜘蛛在進(jìn)行了前面的步驟，然后提取出正文的內(nèi)容，然后把我們的內(nèi)容分成N個詞語，然后排列出來，存入索引庫！同時也會計算這一個詞在這個頁面出現(xiàn)了多少次（做優(yōu)化比較久的都知道做好百度分詞的話對網(wǎng)站排名有很大的幫助，在后續(xù)我會單獨的介紹分詞，現(xiàn)在只是給大家普及一下知識）。

5、鏈接分析鏈接關(guān)系分析是預(yù)處理中很重要的一部分，計算相應(yīng)頁面的網(wǎng)站和頁面的鏈接權(quán)值;鏈接關(guān)系分析的基礎(chǔ)是超鏈接頁面之間的內(nèi)容推薦與主題相關(guān)特性;鏈接分析算法包含HITS算法、TR算法、Hilltop算法等等。

（6）各種過濾舉例可能包含過濾掉死鏈、重復(fù)數(shù)據(jù)、色情、垃圾結(jié)果以及你懂的；（7）最終排序，將最能滿足用戶需求的結(jié)果排序在最前，可能包括的有用信息如：網(wǎng)站的整體評價、網(wǎng)頁質(zhì)量、內(nèi)容質(zhì)量、資源質(zhì)量、匹配程度、分散度、時效性等等

更多精彩內(nèi)容關(guān)注：微信訂閱號：jxzmt87