作者:阿手站长,发布日期:2016-07-08
阅读:121;评论:0

  有人说采集内容对搜索引擎友好性不高,不容易获得排名,这个是肯定且必然的。       对大多站点,上采集内容必定不如UGC、精心编辑过的内容来的效果好。但是,现在搜索引擎能获取到的原创内容量已经不如之前多了,毕竟内容生产平台已经转移了,早就不集中在网站上了。另外几个搜索引擎之间还相互抓,何况小站点呢。   所以采集内容依旧是有效的,只不过对采集内容后加工的成本越来越高了。   采集内容的后加工   担心采集内容效果差,或者容易被K,主要还是看怎么对内容后加工。打个比方:   好比从沃尔玛拿了一筐猕猴桃,原封不动的放到家乐福,顶多还只能是原来的售价,因为猕猴桃还是猕猴桃,商品不变。但把猕猴桃榨成汁(形态变化),加点水分瓶装(粒度变化),再放到711里卖(平台变化),售价可以翻几倍(价值增益)   为啥?   因为形态变了,果汁是不同于水果的商品,且果汁更容易吸收   因为平台变了,711定价本身就比沃尔玛家乐福要高一点   因为粒度变了,一生二二生三三生万物   前三者的变化,导致价值的翻倍   如果把“采集内容”比作“猕猴桃”,则对“采集内容”的后加工策略如下:   形态   组织内容方式无穷多,无论对同一个内容掰开了揉碎了分发到多处、还是多篇相关内容聚合到一处、还是其他方式,都可以让搜索引擎更容易接受。   平台   术业有专攻,从新浪抓一些垂直行业内容放到对应行业的垂直网站,肯定比放到新浪更合适。把专业化的内容放到专业的网站。   粒度   同样是抓取的内容,粒度越细,在搜索引擎中的原创度越高。举个极端的例子,星座股票起名八卦算命生辰八字风水算命qq图片动态图&hellip;.此类型的站,哪个内容不是重复的?   增益   采集的目的在于补全内容上的漏洞,使同主题的内容比别人更加丰富饱满充实,则产生了页面内容价值上的增益。   采集内容完整流程   关于“采集内容处理”,从抓取到上线整个流程看,要搞定以下问题:   采集内容从哪来?   采集内容怎么抓?   采集内容如何处理?   采集内容从哪来?   对于正经做站且做正经站的,定向采集、买专业数据更合适。   定向采集,只抓几个特定网站的特定范围,与本站内容漏洞高度相关的。   对于不正经做站的,可选择的范围就多很多了,沾点边的内容都可以抓,讲究量大,所以不需要限定某几个站的抓取,有人叫泛采集   设置几个主题,直接抓各种大平台的搜索结果便可。大平台指什么?海量内容集中的地方:各类搜索引擎、各类门户、今日头条、微信微博、优酷土豆等等   采集内容怎么抓?   定向采集:   略,平常怎么抓就怎么抓。   泛采集:   定向爬虫受限于网页模板,在此基础上加上几个内容分析算法来提取内容,改成通用爬虫。   好多浏览器插件,如印象笔记之类的,有好多类似“只看正文”的功能,点一下只显示当前浏览网页的正文信息,很多人已经把此类算法移植到python、php、java等编程语言上,搜索下便是。   采集内容如何处理?   两个先后过程:   对原始内容的处理   对处理后内容进行组织   对原始内容的处理   百度专利说过,搜索引擎除了根据正文判断内容相似性,也会根据html的dom节点的位置和顺序来判断,如果两个网页正文的html的结构相似,也可能当做重复内容来处理。   所以,采集的内容不能直接拿来就上,要对源码清洗一下。每个人方式各异,个人一般做如下处理:   html清洗   保留主要标签:p、img   删除标签中不重要的属性   a = re.sub(r'<(?!p|img|/p)[^<>]*?>','',content).strip()   b = re.sub(r'<p[^>]*?>','<p>',a)   newcontent = re.sub(r'alt="[^"]*?"','alt="%s"' % title,b).lower()   删除中文字数 < 100字的   text = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+&mdash;&mdash;!,::。?、~@#¥%&hellip;&hellip;&*()“”《》]+".decode("utf8"), "".decode("utf8"),newcontent)   text2 = re.sub('<[^>]*?>','',text)   words_number = len(text2)   去除垃圾信息   如“XXX网小编:XXX”、邮箱网址等。。。   对处理后内容进行组织   其实就行形态上的变化,之前专门写过一篇关于“组织内容”的几种方式,见:【SEO】如何倒腾网站内容?(本文"田云:SEO如何处理采集内容"的责任编辑:雪豹)

你可能感兴趣的文章

评论区

发表评论

必填

选填

选填

必填

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。