搜尋引擎SEO原理：讀取網頁後的處理方式？

搜尋引擎讀取網頁後的處理方式？
上一節我們談到網頁蒐集，當搜尋引擎把網頁蒐集到自己的伺服器之後，就會開始對蒐集來的資料依序進行1.提取關鍵字2.去除噪音3.去除複製網頁4.計算網頁重要度5.建立正排索引6.建立倒排索引，當進行到倒排索引的時候，也就是我們經常在搜尋引擎輸入關鍵字之後，所出現的網站排名頁面。接下來我們詳細說明搜尋引擎在這六個步驟分別的工作內容。

1. 提取關鍵字
分詞：每個搜尋引擎都有一部自己的詞表，依詞表把該網頁分成一個一個的「詞」，與搜尋引擎的詞表對應。
去除停止詞：你們、是、的、我們、呢
去除標點符號：「.」、「，」、「:」、「。」

2. 去除噪音
會被搜尋引擎判定為噪音去除的有以下三種：
廣告：
這應該不需要解釋

與該頁面主題無關的內容：
最常見的就是許多網站上的友情連結，通常友情連結的是與不同行業的網站連結，因此連結上的文字通常會以對方的公司名或服務為錨文字，則這個錨文字跟該網頁的內容是不相關的，就會被搜尋引擎去除。

大量重覆的資訊：
例如我們經常在各網站的頁腳上可以看到聯絡我們、關於我們，這會在所有的往頁上重覆的資訊，也會被搜尋引擎去除。

3. 去除複製網頁
現在幾乎無法在任何關鍵字的搜尋結果中，看到重覆內容的網站，在幾年前這狀況是時有發生的，在那時候只要不斷複製他人網頁資料到自己的網站中，因為複製的速度快過於原創文章，導致搜尋引擎大量收錄該網站頁面，收錄的頁面一多，網站排名自然就上去了。因此搜尋引擎現在加入去除複製網頁的公式，避免10個搜尋結果通通一模一樣。

搜尋引擎如何判斷誰的文章是原創？
當a網站複製b網站的文章，且兩個網站發表文章的時間相當接近，那搜尋引擎怎麼分清楚誰的文章是原創的呢？判斷標準有兩個：1.誰先被搜尋引擎收錄？2.權重較高的網站為原創！這兩個判斷標準有著互相的關係，網站只要權重高收錄速度就快！因此假設你的網站權重不高，搜尋引擎收錄的速度也不頻繁，那當你的文章被權重較高的網站複製的時候，那你的心血就赴之流水了，目前無解決辦法。

現有許多SEO工具使用偽原創的方式是否有效？
偽原創的方式不外乎，複製文章後打亂段落順序、替換同義詞、複製文中某段落重覆於文章頭尾，這些方式目前都已經失效。或許文章一開始會被收錄，但是經過搜尋引每次會對文章使用不同的計算比對公式，最終仍是會被計算出來是複製的予以刪除。

4. 計算網頁權重
搜尋引擎怎麼計算出該網頁的權重呢？簡單來說該文章的外部連結越多，則越重要，假設當a網站有個連結指向b網站的頁面，則b加一分，當有500個網站網頁指向b網站頁面，則得到伍佰分，這是一個舉例的算法，加分的多寡與許多因素有關，最主要的有以下兩個因素：

在這個階段搜尋引擎會去分析網頁上的所有連結，分析內容包括：

連結位置：
連結位置在本文中則權重越高，連結在越不重要的位置傳遞出去的權重越低，例如：連結位置在文章中則比連結位置出現在版權宣告中來得高。

連結的相關性：
連結上的錨文字是否跟該網頁的內容相關？所以經常說要尋找同行業的交換友情連結，而不是找與自己行業毫無相關的網站交換連結的原因就在這裡，同行業的外部連結會得到較高的權重，如果連結的錨文字與當前網頁毫無相關，那傳遞的權重是相當低的，但是如果有大量的外部連結，則仍可以產生一定的權重。

5. 建立正排索引
正排索引的意思是：一個網站頁面裡包含了哪些關鍵字？當搜尋引擎經過前四個步驟後，就可以得出該網頁上所有的關鍵字，但是，試想看看在整個網路世界裡網頁比較多？還是關鍵字比較多？答案當然是網頁比較多，假設當有人搜尋「SEO」這個關鍵字，搜尋引擎再去所有的網頁裡尋找有提到「SEO」的網頁抽取出來，這就類似在我們自己的電腦上搜尋某個關鍵字一樣，這個速度是相當緩慢的，因此搜尋引擎需要反過來做，進行下一個步驟

6.建立倒排索引
倒排索引的意思是：一個關鍵字包含了哪些網頁。全世界的網頁超過100億，而搜尋引擎準備的關鍵字確只有幾千萬個，因次將這100億的網頁放到幾千個關鍵字表裡，將可以大幅度的提高搜尋速度。這階段搜尋引擎將所有的網頁歸屬到各個關鍵字下，這分類的方式提前幫我們把可能查詢的關鍵字先準備好，最後就變成我們平常使用搜尋引擎的時候，所看到的網站排名畫面。

別被沒良心的SEO優化公司騙了！
由此章節的搜尋引擎SEO原理介紹可以知道，只要是被大幅度使用的SEO技巧就會失效，現今市場上許多SEO工具甚至某些seo服務公司以大量複製的方式，建設網頁，甚至建設站群，騙取客戶買單付款。這些作法都具有重複性高的特點。往往短時間內可以獲得好排名，但是一段時間之後就消失的無影無蹤。