SEO教程：搜索引擎预处理规则有哪些

想要做好

seo，最关键的是把握好搜索引擎的工作原理，想要全面的了解搜索引擎，还需要了解搜索引擎的处理规则都有哪些，只有这样才能做到有的放矢。

第一，提取文字。现在的搜索引擎主要还是以文字内容为基础的，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。

第二，中文分词。分词是中文搜索引擎特有的步骤。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。

第三，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，而搜索引擎在索引页面之前会去掉这些停止词，使索引数据主题更为突出，减少无谓的计算量。

第四，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。而这写没什么贡献的内容就都属于噪声，对页面主题只能起到分散作用。

第五，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，然后计算这些关键词的数字指纹。这些关键词选取是在分词、去停止词、消噪之后。