更新時間：2015-02-10搜索引擎蜘蛛把頁面代碼送回搜索引擎服務(wù)器后，SE是如何判斷頁面中最核心的內(nèi)容呢？
先說下Kyw認(rèn)為的搜索引擎運作過程的前幾個步驟：1. 蜘蛛下載A頁面，送回服務(wù)器；2. 服務(wù)器尋找A頁面的核心內(nèi)容位置，然后去除HTML代碼；3. 尋找網(wǎng)頁核心內(nèi)容；……
我不確定GOOGLE、百度、YAHOO！是否真的有“判斷核心內(nèi)容”這個步驟，但我相信一定有類似的運算機制，因為如果沒這個步驟，搜索引擎將耗費大量資源做重復(fù)運算。當(dāng)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，如何判斷核心內(nèi)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(jīng)過這個步驟，頭部的導(dǎo)航條、底部的版權(quán)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(wǎng)站的時候，會建立一個對比模板來提高工作效率。如果網(wǎng)站經(jīng)常改版，在改版剛開始的期間，搜索引擎還沒反應(yīng)過來，就可能造成新收錄網(wǎng)頁的排名不理想。
第二步：去掉有大量鏈接的部分。經(jīng)過這步，“相關(guān)文章”“推薦文章”等都被去掉了，剩下一些包含文字內(nèi)容的代碼。
第三步：在剩余的代碼中判斷哪段標(biāo)簽（可能是DIV、TABLE、P或其它標(biāo)簽）中的文字內(nèi)容最多，因為一般核心內(nèi)容的文字量會比較多。
每個頁面經(jīng)過上面3個步驟，應(yīng)該就能順利的判斷出核心內(nèi)容所在的位置。經(jīng)過這樣的思考，我們也許可以這樣總結(jié)：
1. 同目錄下的頁面，最好模板一樣。
2. 核心內(nèi)容文字量不能太少，特別是企業(yè)站和B2C網(wǎng)站，只放價格和包含大量說明文字的圖片是很不好的。
