EMBA的小眼睛

搜索引擎蜘蛛把頁面代碼送回搜索引擎伺服器后，SE是如何判定頁面中最核心的內容呢？

先說下Kyw認為的搜索引擎運作過程的前幾個步驟：

1. 蜘蛛下載A頁面，送回伺服器；

2. 伺服器尋找A頁面的核心內容位置，然后去除HTML代碼；

3. 尋找網頁核心內容；……

我不確定GOOGLE、百度、YAHOO！是否真的有“判定核心內容”這個步驟，但我相信一定有類似的運算機制，因為假如沒這個步驟，搜索引擎將耗費大量資源做重復運算。當然KYW不是搜索引擎工程師，下面只是對搜索引擎的一些思考。

SE面對一整頁HTML代碼，如何判定核心內容在哪里呢？
第一步：拿該頁面和同域名、同目錄、同文件名格式的頁面做對比，去除相似的部分。經過這個步驟，頭部的導航條、底部的版權信息、固定位置的廣告就被去掉了。我估計搜索引擎在每增加一個新網站的時候，會建立一個對比模板來提高工作效率。假如網站經常改版，在改版剛開始的期間，搜索引擎還沒反應過來，就可能造成新收錄網頁的排名不理想。

第二步：去掉有大量鏈接的部分。經過這步，“相關文章”“推薦文章”等都被去掉了，剩下一些包含文字內容的代碼。

第三步：在剩余的代碼中判定哪段標簽（可能是DIV、TABLE、P或其它標簽）中的文字內容最多，因為一般核心內容的文字量會比較多。

每個頁面經過上面3個步驟，應該就能順利的判定出核心內容所在的位置。經過這樣的思考，我們也許可以這樣總結：

1. 同目錄下的頁面，最好模板一樣。

2. 核心內容文字量不能太少，非凡是企業站和B2C網站，只放價格和包含大量說明文字的圖片是很不好的。

3. HTML代碼中假如錯誤很多，可能會影響排名，因為搜索引擎可能在判定核心內容的時候出差錯。

4. 期待你的補充 ^_^

Kyw把SEO的主要工作理解成幫助搜索引擎更高效的理解網站及頁面的內容，所以建議大家有事沒事琢磨琢磨搜索引擎，問題想透的越多，SEO的手法也就更加隨機應變了。當然也沒必要鉆牛角尖，有想不通的問題就到我這留言吧。

原文：http://www.seotest.cn/blog/se-panduan-hexin.html