SEO博客－guagua513seo

搜索引擎 Cuil的优势与不足-guagua513seo博客

guagua513seo — Fri, 01 Aug 2008 00:28:55 +0800

write by: seo博客-guagua513seo

搜索引擎 Cuil的优势与不足

搜索引擎新秀Cuil近日上线，相关信息：

1、站点url：http://www.cuil.com 上线日期7月28日。

2、据说Cuil的索引量是google的3倍。

3、据说Cuil 第一天上线时就收到了5000万条检索请求.

4、据说Cuil的联合创始人安娜·帕特森（Anna Patterson）2006年离开谷歌的时候手中握有几项与搜索相关的专利。他说，“帕特森博士2004年加盟谷歌的时候已经提交了六项专利……现在，作为前谷歌员工，她将注意力集中在了谷歌的弱点上——也就是所谓的隐私以及综合索引。”

5、据说Cuil只有120台服务器，而谷歌则需要成百上千台服务器来保障其庞大数据库的顺利运行。

进入Cuil界面直接测试：

1、第一印象，界面相当简洁。黑色背景，搜索框作为焦点相当突出，没有google哪么多选项，只列举索引页面数据。

2、含有搜索关键字提示，不含搜索结果页面数目（估计关键字是根据“热门程度”或者“相关性”是从上到下依次排列的）

3、搜索结果页面：顶部含有相关页面搜索，直接出结果，说明Cuil是多个关键字一起搜索，比google先进。

右部：提示类别相关关键字。感觉这一点是个创新。顶部横向相关，右部纵向相关。

4、搜索结果界面显示与google不同。google的结果是纵向排列，而Cuil则为横向排列。并且cuil的SERPS里面经常含有图片。Cuil优缺点分析：

横向排列给人以“新鲜感”
显示图片可以迎合部分人的需求
由于人的视觉特性，找到最需要的结果相对“纵向排列”要轻松。

缺点：

查看页面描述由于要换行，看起来相当吃力。
索引的页面描述很长，看起来很杂很乱
列举的页面描述长短不一，有些有图，有些无图，导致横向排列参差不齐，影响查询体验。

5、Cuil搜索结果的相关性/准确性与google的对比

很明显，cuil的算法给与域名非常高的权重，排在serps前面的几乎都与关键字相关。搜索体验与google相差甚远。当然，由于网站域名和主题的相关性，大部分关键字的搜索还是可以满足要求。不过google表现的更好。

评语：总的来说，cuil相比google有不少创新，我们也看到了她上线以来的骄人成绩。如果cuil在serps的界面和排名算法上能有所改进前途不可估量！

guagua513seo 深圳

基于标签长度的”网页去噪“方法--guagua513seo博客

guagua513seo — Tue, 29 Jul 2008 01:47:32 +0800

《基于标签长度的”网页去噪“方法》--guagua513seo博客

文章关键词：搜索引擎网页标签网页去噪 seo

公告：为防止技术被“滥用“或“盗用”，日后guagua513seo博文只列举内容关键字。

（1、seo学无止境；2、有心的同行根据关键字会有所收获）

内容关键字：

网页标签网页广告网页文字长度区域X 区域Y 主题网页分类算法网页类别（3种）

主体网页去噪搜索引擎信息提取计算关联性关联性的参数

搜索引擎Hash 算法去除重复网页-guagua513seo博客

guagua513seo — Tue, 29 Jul 2008 01:28:43 +0800

《搜索引擎Hash算法去除重复网页》write by guagua513seo博客

文章关键词：搜索引擎 Hash算法重复网页

公告：为防止技术被“滥用“或“盗用”，日后guagua513seo博文只列举内容关键字。

（1、seo学无止境；2、有心的同行根据关键字会有所收获）

《搜索引擎Hash算法去除重复网页》内容关键字：

Hash算法唯一性域名+IP IP+域名 2个字段闽值重复网页

搜索引擎的分布式爬行原理和策略-guagua513seo博客

guagua513seo — Tue, 29 Jul 2008 00:55:04 +0800

《搜索引擎的分布式爬行原理和策略》write by guagua513seo

文章关键词：搜索引擎分布式爬行蜘蛛搜索引擎原理策略

公告：为防止技术被“滥用“或“盗用”，日后guagua513seo博文只列举内容关键字。

（1、seo学无止境；2、有心的同行根据关键字会有所收获）

《搜索引擎的分布式爬行原理和策略》内容关键字：

网络爬虫(Crawler）种子URLs 高效配置爬行效率动态分配不同分区跟踪链接

中央协调器交叉策略交换策略批模式发送区间链接依赖于各自已经下载的网
页,而不是全部已下载的网页

smarty模板的基本语法

guagua513seo — Thu, 24 Jul 2008 08:35:32 +0800

smarty模板的基本语法

2008年03月11日星期二 10:51

所有的smarty标签都被加上了定界符.在smarty里,所有定界符以外的内容都是静态的,当smarty遇到了模板标签,将尝试解释他们,然后再以恰当的方式输出.

默认情况下是 {和},但它们是可定制的.定制方法是：
$smarty->left_delimiter = '';

1.注释

模板注释被*号包围,例如 {* this is a comment *}
smarty注释将不被输出.它是模板内在的注释.

2.变量
模板变量以$开头，可以包含数字，字母和下划线。
config_file变量是例外要用#变量名#的方法引用

3.函数
smarty标签输出一个变量或者调用某种函数.
在定界符内函数和其属性将被处理和输出.例如:
{funcname attr1="val" attr2="val"}.
funcname为函数的名称比如：include等，attr1，attr2为属性名，val为属性相应的值。

在模板里无论是内建函数还是自定义函数都有相同的语法.
内建函数将在smarty内部工作,例如 {if}, {section} 和{strip}.他们不能被修改.
自定义函数通过插件机制起作用,它们是附加函数,可以随意修改，自行添加.
例如 {html_options} and {html_select_date}

4.属性
静态数值不需要加引号,布尔值(真或假)也不需要引号,可以是true,on,yes或者false,off,no. 但是字符串例外.变量同样被用到了,它们也不能加引号.

5.在字符串中插入变量
只能识别数字，字母，下划线和[]的组合，如果为复杂的形式需要用``将变量隔起来。比如{func var="test $foo.bar test"} 中只能识别变量$foo,要识别$foo.bar,需要写成{func var="test `$foo.bar` test"}的格式。

6.一些保留字的显示方法
在模板中如果要将smarty的一些保留字作为语言的内容显示出来，比如显示分隔符，默认为{}的方法是： {ldelim},{rdelim} 或者{$smarty.ldelim},{$smarty.rdelim} 或者可以把{}放在{literal} .. {/literal} 中间输出。

smarty的保留变量

{$smarty}保留变量可以被用于访问一些特殊的模板变量.
以下是全部.

页面请求变量
以下是访问页面请求变量诸如get,post,cookies,server,enviroment和session变量的例子. 例如{$smarty.server.SERVER_NAME}取得服务器变量，{$smarty.env.PATH}取得系统环境变量path, {$smarty.request.username}取得get/post/cookies/server/env的复合变量。

{$smarty.now}变量用于访问当前时间戳.
可以用 date_format调节器格式化输出. 例如{$smarty.now|date_format:"%Y-%m-%d %H:%M:%S"}

{$smarty.const}
你可以直接访问PHP常量. 例如{$smarty.const._MY_CONST_VAL}

{$smarty.capture}
可以通过 {capture}..{/capture}结构截取的输出可以使用{$smarty} 变量访问.

{$smarty.config}
{$smarty}变量可以访问已经加载的config变量.
例如 {$smarty.config.foo}就可以表示 {#foo#}.

{$smarty.section}, {$smarty.foreach}
{$smarty} 变量可以访问'section'和'foreach'循环的属性.

{$smarty.template}
显示当前被处理的模板的名字.

{$smarty.version}
显示smarty模板的版本

{$smarty.ldelim}
显示左分隔符

{$smarty.rdelim}
显示右分隔符

变量调节器
变量调节器用于变量,自定义函数和字符串.
可以使用'|'符号和调节器名称应用调节器.
变量调节器由赋予的参数值决定其行为.
参数由':'符号分开.
如果你用变量调节器调节数组变量,结果是数组的每个值都被调节.如果你想要调节器调节整个数组,你必须在调节器名字前加上@符号.
例如: {$articleTitle|@count}(这将会在输出 $articleTitle 数组里的数目)

capitalize
将变量里的所有单词首字大写. 参数值boolean型决定带数字的词是否首字大写。默认不大写

count_characters
计算变量值里的字符数.参数值boolean型决定是否计算空格数。默认不计算空格

cat
将cat里的参数值连接到给定的变量后面.默认为空。

count_paragraphs
计算变量里的段落数量

count_sentences
计算变量里句子的数量

count_words
计算变量里的词数

date_format
日期格式

第一个参数控制日期格式.
如果传给date_format的数据是空的,将使用第二个参数作为默认时间

%a - 星期几的简写

%A - 星期几的全写

%b - 月份的简写

%B - 月份的全写

%c - 日期时间06/12/05 11:15:10

%C - 世纪时间

%d - 一个月的第几号(从 01 到 31)

%D - 同 %m/%d/%y

%e - 一个月的第几号，号为单数则前面加一空格 (从 1 到 31)

%g - 世纪

%G - 世纪 [0000,9999]

%h - 同%b

%H - 24小时形式的小时(从00到23)

%I - 12小时形式的小时(从01到 12)

%j - 一年中的第几天(从 001 到 366)

%k - 24小时形式的小时，单数字前面加空格. (从 0 到 23)

%l - 12小时形式的小时，单数字前面加空格.(range 1 to 12)

%m - 月份 (range 01 to 12)

%M - 分

%n - 换行符

%p - 显示早上还是下午`am' 或 `pm'

%r - a.m. 或 p.m.形式的时间

%R - 24小时形式的时间

%S - 秒

%t - tab符号

%T - 同%H:%M:%S

%u - 用 [1,7],表示星期几

%U - 计算是该年的第几个星期，从该年的第一个星期天开始计算

%V - 计算是该年的第几个星期, 从 01 到 53, 第一个星期必须至少有4天在这一年, 星期天作为这个星期的第一天

%w - 用数字的形式表示是星期的第几天, 星期天为 0

%W - 用数字的形式是该年的第几个星期,从该年的第一个星期一开始计算

%x - 显示日期：月/日/年

%X - 显示时间：小时：分钟：秒

%y - 不包括世纪的年份

%Y - 包括世纪的年份

%Z - 时区

%% - 输出%

其中有些有时不能正常输出。

default
默认
为空变量设置一个默认值.
当变量为空或者未分配的时候,将由给定的默认值替代输出.

escape
转码
参数值为html,htmlall,url,quotes,hex,hexentity,javascript。默认是html转码

indent
缩进
在每行缩进字符串,第一个参数指定缩进多少个字符，默认是4个字符.第二个参数,指定缩进用什么字符代替。

lower
小写
This is used to lowercase a variable.
将变量字符串小写

nl2br
换行符替换成<br />

regex_replace
正则替换
寻找和替换正则表达式.必须有两个参数，参数1是替换正则表达式. 参数2使用什么文本字串来替换

replace
替换
简单的搜索和替换字符串必须有两个参数，参数1是将被替换的字符串. 参数2是用来替换的文本

spacify
spacify是在字符串的每个字符之间插入空格或者其他的字符串. 参数表示将在两个字符之间插入的字符串，默认为一个空格。

string_format 字符串格式化
是一种格式化浮点数的方法.例如十进制数.使用sprintf语法格式化。参数是必须的，规定使用的格式化方式。%d表示显示整数，%.2f表示截取两个浮点数。

strip 去除(多余空格)
替换所有重复的空格,换行和tab为单个或者指定的字符串. 如果有参数则是指定的字符串。

strip_tags 去除所有html标签

truncate 截取
参数1，规定截取的字符数.默认是80个.
第二个参数指定在截取的那段字符串后加上什么字符.默认为...
第三个参数决定是否精确截取，默认情况下为false,则smarty不会分割单词。

upper 将变量改为大写

wordwrap 行宽约束
第一个参数指定段落的宽度(也就是多少个字符一行,超过这个字符数换行).默认80.
第二个参数指定在约束点使用什么字符(默认是换行符\n).
第三个参数决定是否精确截取字符，默认情况下是不精确截取，就是截取时不能分开单词。

内建函数
内建函数不能擅自修改。
capture
capture函数的作用是收集模板输出的数据到一个变量里,而不是把它们输出到页面.例如任何在 {capture name="foo"}和{/capture}之间的数据都被收到了由函数的名称属性指定的变量{$foo}里，或者{$ smarty.capture.foo}里。如果函数没有名字属性,将使用"default".每个{capture}都必须对应{/capture}, 也不能嵌套使用capture函数。

config_load
引用配置文件
file是必须的，说明要包含进来的配置文件名称，section说明要加载的部分的名称，scope被处理的变量的作用域.必须是local,parent或者global.
local的意思是变量将在本模板里被加载.
parent 的意思是变量将在本模板和上级模板被加载.
global的意思是变量将应用到所有的模板.默认为local。变量是否在上级模板可视,默认为no。如果scope属性已经有了,这个值将被忽略.

foreach,foreachelse
foreach循环是选择性的section循环.用于遍历关联数组.foreach的语法比section简单的多,但是作为一个折中它只能用于简单数组.
foreach必须的参数是from和item. from变量表示需要循环的数组的名称，item表示当前元素的变量名，key表示当前关键字的变量名，name表示访问foreach属性的 foreach循环名。循环可以互相嵌套,被嵌套的循环之间的名字必须是独立的.foreachelse 在from变量没有值的时候被执行

include
用来引用其他的模板。
file属性是必须的用来表示所引用模板的名字，assign表示include文件将要分配的输出的变量。你可以自行用属性名="属性值"的方式定义任意个局部变量。

include_php
用来在模板中引入php脚本。file是必须的用来表示php脚本的路径，once确定如果在模板中引用了php脚本多次，是否只装载一次。默认为true。

insert
用来包含php脚本中的函数，name是必须的，表示所插入的脚本的名称，注意如果名称是name，则包含的函数则是insert_name(),所以所有要插入的函数要有前缀insert_ 。如果用了assign属性，则insert的输出将会分配给模板变量而不会显示。 script表示要引用的脚本路径。这个程序产生的内容将不会被缓存，在每次调用该页时重新执行，适用于广告，投票，查询结果等互动的地方。

if,elseif,else
if语句和和条件同php差不多，但每个词之间必须用空格分割开。也有一些新的条件语句，列举如下：eq相等，ne、neq不相等，gt大于，lt小于， gte、ge大于等于，lte、le 小于等于，not非，mod求模。is [not] div by是否能被某数整除，is [not] even是否为偶数，$a is [not] even by $b即($a / $b) % 2 == 0，is [not] odd是否为奇，$a is not odd by $b即($a / $b) % 2 != 0

php
php标记可以让模板中能直接使用php语言。

section,sectionelse
section用来循环显示数组的数据，name和loop是必须的参数。name表示嵌套名. section 可以嵌套使用,但是名字必须各不相同。loop表示循环的次数. sectionelse在loop参数为空的输出。start用来规定循环开始的指针,如果值为负则从数组尾部计算开始的指针,默认为0.step表示循环的步数,为负则反向循环,默认为1.max设定循环的最大步数.show决定是否显示section.
section也有自己的变量处理section属性,用{$smarty.section.sectionname.varname} 来显示.

index
index用来显示当前循环的指针,从0开始.

index_prev
用来显示前一次循环的指针,从-1开始

index_next
用来显示后一次循环的指针.

iteration
显示当前循环的次数,从1开始.

first
如果当前循环为第一个循环,则值为true.

last
如果当前循环为最后一个循环,则值为true.

rownum
同iteration.

loop
显示最后一次循环的指针,可以用在section中间的任何地方,也可以用在section之后.

show
show 决定是否显示section.

total
显示总共循环的次数,可以用在section中间的任何地方,也可以用在section之后.

strip
去掉多余的空格

常规函数
assign
assign用来在执行模板时分配变量值.var,value是必须的参数.var为要分配值的变量名,value为分配的值.

counter
counter用来输出一个计数. 可以用多个计数,但是名字必须各不相同.name表示计数器名,默认为default.start表示计数的初始值,默认为1.skip计数的间隔,默认为1.direction表示计数方向,up或down,默认为up.print表示是否打印该值,默认为true.assign定义模板变量,计数器的输出将被分配到assign定义的变量中.

cycle
Cycle用来循环显示一组数值.name表示cycle名,values("值1","值2",...)表示循环显示的一组数值.print表示是否显示.advance决定是否显示下一个数值. delimiter决定value的分隔符,默认为逗号. assign定义模板变量,cycle的输出将被分配到assign定义的变量中.

debug
debug可以显示所有分配了值的变量,但是不显示模板内容,output属性决定显示的格式html或javascript,默认是html.

eval
eval用来在变量里插入变量。var是插入的变量名，assign把输出分配给一个变量。

fetch
用来取得文件内容，并输出文件内容，可以取得本地文件，http文件和ftp文件，file是取得文件的路径， assign把输出分配给一个变量。

html_checkboxes
html_checkbox用来用给定的数据创建checkbox。name表示checkbox的名称，values表示checkbox的值， output表示checkbox的显示，selected表示被选选项的值，options表示一组checkbox的值和显示，separator表示分割每个checkbox的符号，labels表示给输出添加标签，默认为true。

html_image
html_image用来为一个图片创建html标签，如果height和width不分配值将会自动生成。file是图片的路径，height， width，alt同html标签，basedir是图片相对路径开始的目录的路径，默认为服务器根目录。href定义图片的链接。

html_options
输出下拉列表，参数有name，values，output，selected，options。

html_radios
输出单选框，参数同复选框。

html_select_date
prefix定义各个下拉列表名字的前缀，默认为Date_。time决定使用的时间，默认是当前时间。start_year决定下拉列表开始的年份，可以用年份表示，也可以用与当前年份的相对年数来表示。默认是当前年份。end_year决定下拉列表结束的年份，可以用年份表示，也可以用与当前年份的相对年数来表示。默认是当前年份。display_days决定是否显示日期。display_months决定是否显示月份。display_years 决定是否显示年份。month_format决定显示月份的格式，默认为%B。day_format决定显示日期的格式，默认为%02d。 day_value_format决定日期值的格式，默认为%d。month_value_format决定月份值的格式，默认为%m。 year_as_text决定是否将年份按文本格式输出。reverse_years决定是否反向输出各年份。field_array用来取得一组变量，可以用name[Day],name[Month],name[Year]的方式从form取得获得的值。day_size，month_size， year_size添加大小标签。all_extra，day_extra，month_extra，year_extra添加额外的属性到select 或input标签。field_order决定年月日下拉列表的顺序，默认为MDY。field_separator不同下拉列表之间的分隔符，默认是\ n。year_empty，month_empty，day_empty是在各下拉列表第一栏显示的内容。

html_select_time
prefix定义各个下拉列表名字的前缀，默认为Time_。time决定使用的时间，默认是当前时间。display_hours决定是否显示小时。 display_minutes决定是否显示分钟。display_seconds决定是否显示秒数。display_meridian 决定是否显示上午或下午，即显示am/pm。use_24_hours 决定是否24小时制。minute_interval 决定分钟之间的间隔。second_interval 决定秒数之间的间隔。field_array用来取得一组变量，可以用name[Hour],name[Minute],name[Second]的方式从form取得获得的值。all_extra，hour_extra，minute_extra，second_extra ，meridian_extra添加额外的属性到select或input标签。

html_table
loop定义用于循环的一组数据。cols决定列的数目，rows决定行的数目，如果其中一个为空，另一个有值，则根据元素个数和有值的属性来计算另一个的值，两者的默认值为3。inner决定元素的列举方向cols则列跟着列排列，rows则行跟着行排列，默认为cols。table_attr， tr_attr，td_attr分别为table，tr，td增加标签，如果tr_attr，td_attr是数组，将会循环增加标签。trailpad 用来填充最后一行没有值的单元格，默认是。hdir决定每行元素的排列方向，从左到右right或从右到左left，默认为right。vdir决定每列的排列方向，从上到下down或从下到上 up，默认为down。

math
进行数字运算操作。equation和var是必须的。equation定义运算式，可以使用的运算符有+, -, /, *, abs, ceil, cos, exp, floor, log, log10, max, min, pi, pow, rand, round, sin, sqrt, srans and tan。var给运算变量赋值。format确定结果的格式。assign将输出赋给一个参数。

mailto
使用mailto函数能使网络蜘蛛很难获取你的email地址，但是能在网页上正常显示，因为他把email地址进行了加密处理。address是必须的，定义email地址。text是显示在页面上的文本内容，默认是email地址。encode是加密email地址的方式，可以是none，hex或 javascript，默认是none。如果要把邮件发给其他的邮箱，可以用cc抄送，email地址之间用,分割。bcc则为密件抄送。subject 是邮件主题。newsgroups是发表内容的新闻组，新闻组之间用，隔开。extra添加附加标签。followupto意思不知。

textformat
textformat用来格式化文本，他会去掉空格和特殊字符，和规定行宽和缩进。style规定当前的格式，indent规定缩进的位数。 indent_first规定第一行的缩进。indent_char用来缩进的字符，默认是一个空格。wrap规定行宽，即一行的字符数，默认是80。 wrap_char规定每行的分隔符，默认是\n。wrap_cut决定是否分割单词。assign将输出分配给变量。

常量
SMARTY_DIR
是到smarty类目录的完全路径，必须以/结束。如果没有定义，将会自动决定路径.

SMARTY_CORE_DIR
是到smarty类core文件目录的完全路径，必须以/结束。如果没有定义，将会自动定义为smarty_dir路径下面的子目录.

变量

$template_dir
默认的模板目录名，默认为"./templates".
$compile_dir
默认的编译模板目录名，默认为"./templates_c"
$config_dir
默认的config文件目录名，默认为"./configs".
$plugins_dir
默认的插件目录名，默认为"plugins".
$debugging
debugging控制台。即一个显示变量的窗口.
$debug_tpl
debug窗口的模板
$debugging_ctrl
另一种控制debugging的方法。
$autoload_filters
对所有的模板使用过滤程序，这个变量是一个数组，其中关键字是过滤的类型，值是过滤的名字。
$compile_check
每次php执行将是否查看模板的内容是否改变。

$caching
决定是否缓存文件执行生成的文件。
$cache_dir
默认的模板缓存目录名，默认为"./cache".
$cache_lifetime
缓存的模板的过期时间，以秒计算. $caching值为-1则缓存的模板永不过期.

Seo博客-加入“博客流量互换站”会不会影响博客？

guagua513seo — Fri, 20 Jun 2008 06:45:34 +0800

本文由guagua513seo博客原创，转载请注明作者及出处。

发表了上篇《seo博客建了个“免费博客流量互换”站》后想到一个问题：

加入“博客流量互换站”会不会影响博客本身的排名呢？

经常关注seo的朋友对seo外部链接规则应该有些了解：seo最忌讳的是加入到“链接工厂”。但大家请放心，本系统中，贵博客链接的是一个跳转页，无实际内容，也不存在上千个链接，所以不是链接工厂。

大家知道：google和百度在判定网页质量和链接时从不分析javascript代码（javascript 链接默认是0分）所以该链接不会影响网页质量。

欢迎大家和我一起测试该系统！

seo博客建了个“免费博客流量互换”站

guagua513seo — Fri, 20 Jun 2008 06:11:17 +0800

今天建了个免费博客流量互换站：（http://www.yysave.com 点击进入“博客流量交换站”）

1、其实就是一个改进的友情链接，申请做好友情链接以后，如果贵站有一个Ip访问到yysave.com

则你的博客链接就会排在所有链接的前列。

2、计划在“免费博客流量互换”页面放上1000个链接，也就是说，当贵站有一个ip进入本站你就有>400次的回报（假设前4行是点击热点）。

注：现在加入的网站/博客还少，后天本人开始全力推广此站，在未来的两周内，加入的博客一定能分得非常可观的流量。（两周后的流量回报就要看贵博客反馈回来的Ip多少了）

站的页面不是很好看，但我想试试这种换流量的方式行不行。

注意：链接本站的链接"url"申请时系统会自动给出（里面含有贵站的代号，确定IP的来路用），链接文字一律用“免费博客流量互换”（这个词好像比较有吸引力。呵呵！）

百度seo-网站的更新速度影响排名--guagua513seo博客

guagua513seo — Sat, 23 Feb 2008 08:33:01 +0800

write by guagua513seo from: guagua513seo博客

近期中文站研究发现，pr值<2的网站超过8~9天不更新含关键字的文章，页面关键字排名会下降。

PR值高的网站容许更新的周期长一些。

2008 google有偏爱静态网页的倾向-guagua513seo

guagua513seo — Sat, 23 Feb 2008 08:21:49 +0800

write by guagua513seo from guagua513seo博客(seo研究)

近期google 更新，发现动态网站的排名和访问量有所下降。

1、检查网站代码和外部链接都没有发现异常。

2、另外几个静态网页较多的网站访问量和销量有明显的增长。

3、检查动态网站收录，发现出现在前几页的几乎全是静态网页。

4、新做站，含静态网页多的站收录较快。

猜测：随者互联网的数据量不断加大。google有偏爱静态网页的倾向。

seo,做别人没有做过的-guagua513seo博客

guagua513seo — Fri, 11 Jan 2008 09:29:15 +0800

write by guagua513seo from http://blog.sina.com.cn/guagua513seo

命题：所有照搬的seo技术都“是”（或者“很快会”）过时的。

解释：新鲜的seo技术google很喜欢，但过了8~9个月，随着这款”新萝卜”的增多，所有的新萝卜会变成老萝卜，让google 倒胃口。

原因：

根据自己测试，每用一种新seo技术放到网上的时候，过2个月网站的销量会明显增加，9个月后网站的收录数量和访问人数会明显减少。经查，有很多同类网站模仿或照搬了我的技术。

结论：seo需要做别人（同类网站）没有做过的。老技术也需不断的改变“口味”

你的链接场影响着网站排名-guagua513seo

guagua513seo — Tue, 04 Dec 2007 01:26:58 +0800

write by guagua513seo from seo研究--guagua513seo博客

从今年4月份我就关注着本人澳洲网站的logs，总结发现：网站80%的流量来自澳洲本土，剩下的20%分别来自google英国和google.com。

问题：域名为.com.au的网站为什么会有来自goole英国和美国的流量呢？

猜测：google在全世界有多个服务器和数据库，当英国google在检索某个关键字发现本土数据库“欠缺”与该关键字匹配的信息时，会“求助”于澳洲goole,因而有部分澳洲网站出现在英国google的SERPs里面。

即：google在检索某个关键字相关的网页时，肯定会考虑到2个因素：

1、网页的“绝对”排名实力--包括与关键字相关的程度；网页流行度等等所有网页排名因素总和

2、网页所在的国家

如果网页所在国家的数据库中“不存在”或者“只存在”绝对排名实力很低的网页，则其他国家中占有绝对排名优势的网页会显示到SERPs的前列。

那么是什么因素会增长网页的“绝对”排名实力呢？

经过进一步分析发现：

同一语系（如英语）网站的“绝对”排名实力，和网站的外部链接有关。

比如我的澳洲网站，由于加了很多.com域名和uk域名的外部链接，所以才会有来自uk和.com的流量。

如果网站uk的外部链接数目和质量远大于.com域名的外部链接，则来自uk的流量将>.com的流量

从搜索引擎的检索和排名原则也是可以理解该结论：

1、搜索引擎会把最相关的网页排在SERPs的前列

2、搜索引擎会用最快的速度检索要排名的网页。（因次它会从本土的网站链接出发，顺着链接找相关网页，如果有很多本土网站链接了你的网站，那么你的网站就有可能被多次找到）

结论：网站的外部链接场影响着网站排名，如果你的网站是英国的，要想在英国google取的好排名，则应该多添加些英国本土外部链接。如果你的网站可以供全世界访问，则什么国家的链接都可以添加。

guagua513seo于深圳

奇怪!MSN好久没有爬我的网站了（1）-guagua513seo

guagua513seo — Mon, 12 Nov 2007 00:59:34 +0800

自8月份以来，我的网站流量已经翻了3倍。检查logs发现，大部分流量由google贡献，yahoo占了很少的一部分，MSN几乎没有。职业敏感：自己的网站肯定存在不符合MSN排名标准的因素。

site 一下MSN,发现我的网站只被收录了7页。

查到部分资料：（来源于e网中国http://www.liuhui.org/infor1infor/24501453.html）

红色标注为发现的有用信息。

MSN 搜索排名算法分析各种因素

关于网站排名MSN 搜索自动完成网站排名。MSN 搜索排名算法分析各种因素，如网页内容、链接到您的网页的网站的数量和质量，以及站点内容与关键词的匹配性，算法复杂，并且无法人工解析。您无法付费提高自己的站点排名。

每次更新索引，您的网站排名都可能发生变化。添加新站点，有站点过期，都会导致排名的变化。

您无法直接更改网站排名，但可以优化自己站点的设计和技术实现，使其在多数搜索引擎中获得合适的排名。
——MSN官方网站。
MSNBot 是 MSN 搜索的网络爬网程序。该程序会自动爬网网络，将信息添加到我们的搜索索引。MSNBot 通过查找网站中的链接来爬网网络。因此，要使 MSNBot 找到您的网站，请在其中包含有价值的信息，其他站点会链接到这些信息。

MSNBot 要爬网上亿网页, 我们不会对其中每个页面都进行索引。只有内容、设计和技术实现必须符合指定的标准的站点才会被索引。例如，如果使用您的站点提供的链接结构，不能覆盖每个页面，则 MSNBot 可能无法找到您的站点中的某些页面。

请确保您的站点符合我们的设计标准，重要的内容放在网页的可搜索元素中，这样的站点有更多机会被索引。请确保您的站点不违反任何技术标准，否则会影响站点排名。

查看是否索引了您的站点 (返回页首)
若要查看站点是否列在索引中，可以用站点中每个页面的 URL 作为搜索条件，在 MSN 搜索中运行查询。如果站点是最近提交的，或站点有更新，可能需要几周时间，更新的内容才会显示在 MSN 搜索结果中。

若要查看您的网站是否已经列在我们索引中了，请键入 site:，然后加上您的网站地址，然后单击“搜索”。例如，键入 site:www.microsoft.com。

提交 URL (返回页首)
如果遵守我们的标准，一般不用向我们发送 URL，MSNBot 就能找到您的站点。但如果搜索自己网页的 URL，发现您的站点不在 MSN 搜索结果中，您可能需要向我们提交站点。

提交站点并不保证能索引您的站点。但提交站点有助于定位您的站点，我们会用 MSNBot 爬网该站点。

------------
用某些方法，可以提高您的站点在 MSNBot 和其他爬网程序的排名。我们也提供了一个列表，列出了 MSN 搜索不鼓励的项目和技术。

网站技术建议
网站内容标准
MSN 搜索不鼓励的项目和技术
网站技术建议 (返回页首)
在网页中仅使用格式正确的 HTML 代码。确保所有标记都闭合，所有链接功能正确。如果站点包含断开的链接，MSNBot 将无法有效地索引该站点，人们可能无法找到其中的某些页。
如果移动了页面，请设置其原始 URL，使人们可以找到新的页面，并知道此移动是永久的还是临时的。有关详细信息，请参阅删除站点之后的处理。
确保允许 MSNBot 爬网网站，即该软件不在禁止索引您的站点的网络爬网程序列表中。
使用 robots.txt 文件或元标记，控制 MSNBot 及其他网络爬网软件索引您的网站的方式。robots.txt 文件告诉网络爬网软件，哪些文件和文件夹不允许爬网。Web Robots 页面提供 robots.txt Robots Exclusion 标准的详细信息。此站点可能只有英文版本。
使用简单和静态的 URL。如果链接的目标地址的 URL 很复杂或经常更改，使用起来会很不方便。像 www.example.com/mypage 这样的 URL 比有多层扩展的长 URL 更便于 MSNBot 爬网，对人们来说也更易输入。还有，固定的 URL 更易记住，其他网站也就有更多机会对其进行链接。
网站的内容标准 (返回页首)
如果希望吸引人们访问您的网站，并且他们以后还会来，您需要使用目标受众感兴趣的和有价值的内容来设计网页。

可见的网页文本中，包含那些用户可能选作搜索查询条件的词。
所有的网页大小合理。我们建议每个页面一个主题。一个没有图片的 HTML 网页应该小于 150 KB。
确保每页至少可以通过一个静态文本链接来访问。
将希望索引的文本放在图像之外。例如，如果希望索引您的公司名称，请确保该名称在您的网页上是显示在公司徽标之外的。
添加站点地图。站点地图可以帮助 MSNBot 轻松访问您的所有页面。如果有些菜单、列表框等元素不在站点地图中，网络爬网程序将无法访问其中嵌入的链接。
使用平面的站点结构。具体来说，应该从主页点击一到三次，就可以到达每个页面。
MSN 搜索不鼓励的项目和技术 (返回页首)
以下项目和技术不适用于 MSN 搜索索引。使用这些项目和技术可能影响您的网站在 MSN 搜索中的排名，甚至可能会从索引中删除您的站点。

为增加关键词密度而在网页中使用无关的文字，其中包括使用用户不会查看的 ALT 标记。
使用隐藏的文本或链接。您使用的文本和链接都应该让用户能看到。
使用某些技术，如链接场，来增加网页的链接数。

结合自己的网站，可能原因有两个：

1、自己的网页链接数量太多（但符合google的口味）

2、外部链接数量少和质量差，特别是和MSN相关的链接少。

解决办法：

去**站递交网站，增加外部链接的数量和质量。

wrtie by seo研究-guagua513seo博客

想知道你网站的排名差距吗？--guagua513seo

guagua513seo — Wed, 24 Oct 2007 00:18:59 +0800

write by guagua513seo from seo研究-guagua513seo博客

f3edcd43

做seo都想知道自己网页与排名第一位的网页差距有多少。有时候大家可能遇到这样的情况，如：别人排第一，你的排第二，经过很长时间的优化，你的网页还是挤不上它的位置。更糟糕的是，你不知道自己这段时间的优化，网页与关键字的相关性是提高了还是降低了。不用担心，guagua告诉大家一个新发现的搜索引擎，它不仅可以提供和google一样的搜索结果，还把相关程度用百分数显示出来：

http://www.webwombat.com.au

大家进入这个搜索引擎，搜索“laptop”,你会发现，排在第一位的是http://www.hye.com.au/ ，相关度99%，排在第二位的是http://www.laptopworld.com.au/，相关度也是99%，其他排后面的网页相关度会依次减少，上下位相关度相同的网页说明他们的差距非常小，相差程度在小数点以下。

该搜索引擎只支持英文，对seo的意义重大。它可以用来测试不同的seo方法。

如果大家有新的发现，欢迎留言。

write by: guagua513seo

shenzhen city

SEO搜索引擎优化:搜索引擎分类和基本原理

guagua513seo — Fri, 19 Oct 2007 00:49:46 +0800

一、搜索引擎的分类

获得网站网页资料，能够建立数据库并提供查询的系统，我们都可以把它叫做搜索引擎。按照工作原理的不同，可以把它们分为两个基本类别：全文搜索引擎（FullText Search Engine）和分类目录Directory）。

全文搜索引擎的数据库是依靠一个叫“网络机器人（Spider）”或叫“网络蜘蛛（crawlers）”的软件，通过网络上的各种链接自动获取大量网页信息内容，并按以定的规则分析整理形成的。Google、百度都是比较典型的全文搜索引擎系统。

分类目录则是通过人工的方式收集整理网站资料形成数据库的，比如雅虎中国以及国内的搜狐、新浪、网易分类目录。另外，在网上的一些导航站点，也可以归属为原始的分类目录，比如“网址之家”。

全文搜索引擎和分类目录在使用上各有长短。全文搜索引擎因为依靠软件进行，所以数据库的容量非常庞大，但是，它的查询结果往往不够准确；分类目录依靠人工收集和整理网站，能够提供更为准确的查询结果，但收集的内容却非常有限。为了取长补短，现在的很多搜索引擎，都同时提供这两类查询，一般对全文搜索引擎的查询称为搜索“所有网站”或“全部网站”，比如Google的全文搜索（http://www.google.com/intl/zh-CN/）；把对分类目录的查询称为搜索“分类目录”或搜索“分类网站”，比如新浪搜索和雅虎中国搜索（http://cn.search.yahoo.com/dirsrch/）。

在网上，对这两类搜索引擎进行整合，还产生了其它的搜索服务，在这里，我们权且也把它们称作搜索引擎，主要有这两类：

⒈元搜索引擎(META Search Engine)。这类搜索引擎一般都没有自己网络机器人及数据库，它们的搜索结果是通过调用、控制和优化其它多个独立搜索引擎的搜索结果并以统一的格式在同一界面集中显示。元搜索引擎虽没有“网络机器人”或“网络蜘蛛”，也无独立的索引数据库，但在检索请求提交、检索接口代理和检索结果显示等方面，均有自己研发的特色元搜索技术。比如“metaFisher元搜索引擎”
（http://www.hsfz.net/fish/），它就调用和整合了Google、Yahoo、AlltheWeb、百度和OpenFind等多家搜索引擎的数据。

⒉集成搜索引擎（All－in－One Search Page）。集成搜索引擎是通过网络技术，在一个网页上链接很多个独立搜索引擎，查询时，点选或指定搜索引擎，一次输入，多个搜索引擎同时查询，搜索结果由各搜索引擎分别以不同页面显示，比如“网际瑞士军刀”（http://free.okey.net/%7Efree/search1.htm）。

二、搜索引擎的工作原理

全文搜索引擎的“网络机器人”或“网络蜘蛛”是一种网络上的软件，它遍历Web空间，能够扫描一定IP地址范围内的网站，并沿着网络上的链接从一个网页到另一个网页，从一个网站到另一个网站采集网页资料。它为保证采集的资料最新，还会回访已抓取过的网页。网络机器人或网络蜘蛛采集的网页，还要有其它程序进行分析，根据一定的相关度算法进行大量的计算建立网页索引，才能添加到索引数据库中。我们平时看到的全文搜索引擎，实际上只是一个搜索引擎系统的检索界面，当你输入关键词进行查询时，搜索引擎会从庞大的数据库中找到符合该关键词的所有相关网页的索引，并按一定的排名规则呈现给我们。不同的搜索引擎，网页索引数据库不同，排名规则也不尽相同，所以，当我们以同一关键词用不同的搜索引擎查询时，搜索结果也就不尽相同。

和全文搜索引擎一样，分类目录的整个工作过程也同样分为收集信息、分析信息和查询信息三部分，只不过分类目录的收集、分析信息两部分主要依靠人工完成。分类目录一般都有专门的编辑人员，负责收集网站的信息。随着收录站点的增多，现在一般都是由站点管理者递交自己的网站信息给分类目录，然后由分类目录的编辑人员审核递交的网站，以决定是否收录该站点。如果该站点审核通过，分类目录的编辑人员还需要分析该站点的内容，并将该站点放在相应的类别和目录中。所有这些收录的站点同样被存放在一个“索引数据库”中。用户在查询信息时，可以选择按照关键词搜索，也可按分类目录逐层查找。如以关键词搜索，返回的结果跟全文搜索引擎一样，也是根据信息关联程度排列网站。需要注意的是，分类目录的关键词查询只能在网站的名称、网址、简介等内容中进行，它的查询结果也只是被收录网站首页的URL地址，而不是具体的页面。分类目录就像一个电话号码薄一样，按照各个网站的性质，把其网址分门别类排在一起，大类下面套着小类，一直到各个网站的详细地址，一般还会提供各个网站的内容简介，用户不使用关键词也可进行查询，只要找到相关目录，就完全可以找到相关的网站（注意：是相关的网站，而不是这个网站上某个网页的内容，某一目录中网站的排名一般是按照标题字母的先后顺序或者收录的时间顺序决定的）。
搜索引擎并不真正搜索互联网，它搜索的实际上是预先整理好的网页索引数据库。

真正意义上的搜索引擎，通常指的是收集了因特网上几千万到几十亿个网页并对网页中的每一个词（即关键词）进行索引，建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候，所有在页面内容中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后，这些结果将按照与搜索关键词的相关度高低，依次排列。

现在的搜索引擎已普遍使用超链分析技术，除了分析索引网页本身的内容，还分析索引所有指向该网页的链接的URL、AnchorText、甚至链接周围的文字。所以，有时候，即使某个网页A中并没有某个词比如“恶魔撒旦”，但如果有别的网页B用链接“恶魔撒旦”指向这个网页A，那么用户搜索“恶魔撒旦”时也能找到网页A。而且，如果有越多网页（C、D、E、F……）用名为“恶魔撒旦”的链接指向这个网页A，或者给出这个链接的源网页（B、C、D、E、F……）越优秀，那么网页A在用户搜索“恶魔撒旦”时也会被认为更相关，排序也会越靠前。

搜索引擎的原理，可以看做三步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。

从互联网上抓取网页
利用能够从互联网上自动收集网页的Spider系统程序，自动访问互联网，并沿着任何网页中的所有URL爬到其它网页，重复这过程，并把爬过的所有网页收集回来。

建立索引数据库
由分析索引系统程序对收集回来的网页进行分析，提取相关网页信息（包括网页所在URL、编码类型、页面内容包含的关键词、关键词位置、生成时间、大小、与其它网页的链接关系等），根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面内容中及超链中每一个关键词的相关度（或重要性），然后用这些相关信息建立网页索引数据库。

在索引数据库中搜索排序
当用户输入关键词搜索后，由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好，所以只需按照现成的相关度数值排序，相关度越高，排名越靠前。
最后，由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。
搜索引擎的Spider一般要定期重新访问所有网页（各搜索引擎的周期不同，可能是几天、几周或几月，也可能对不同重要性的网页有不同的更新频率），更新网页索引数据库，以反映出网页内容的更新情况，增加新的网页信息，去除死链接，并根据网页内容和链接关系的变化重新排序。这样，网页的具体内容和变化情况就会反映到用户查询的结果中。

互联网虽然只有一个，但各搜索引擎的能力和偏好不同，所以抓取的网页各不相同，排序算法也各不相同。大型搜索引擎的数据库储存了互联网上几亿至几十亿的网页索引，数据量达到几千G甚至几万G。但即使最大的搜索引擎建立超过二十亿网页的索引数据库，也只能占到互联网上普通网页的不到30%，不同搜索引擎之间的网页数据重叠率一般在70%以下。我们使用不同搜索引擎的重要原因，就是因为它们能分别搜索到不同的内容。而互联网上有更大量的内容，是搜索引擎无法抓取索引的，也是我们无法用搜索引擎搜索到的。

你心里应该有这个概念：搜索引擎只能搜到它网页索引数据库里储存的内容。你也应该有这个概念：如果搜索引擎的网页索引数据库里应该有而你没有搜出来，那是你的能力问题，学习搜索技巧可以大幅度提高你的搜索能力。

■ 全文搜索引擎
在搜索引擎分类部分我们提到过全文搜索引擎从网站提取信息建立网页数据库的概念。搜索引擎的自动信息搜集功能分两种。一种是定期搜索，即每隔一段时间（比如Google一般是28天），搜索引擎主动派出“蜘蛛”程序，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库。

　　另一种是提交网站搜索，即网站拥有者主动向搜索引擎提交网址，它在一定时间内（2天到数月不等）定向向你的网站派出“蜘蛛”程序，扫描你的网站并将有关信息存入数据库，以备用户查询。由于近年来搜索引擎索引规则发生了很大变化，主动提交网址并不保证你的网站能进入搜索引擎数据库，因此目前最好的办法是多获得一些外部链接，让搜索引擎有更多机会找到你并自动将你的网站收录。

　　当用户以关键词查找信息时，搜索引擎会在数据库中进行搜寻，如果找到与用户要求内容相符的网站，便采用特殊的算法——通常根据网页中关键词的匹配程度，出现的位置/频次，链接质量等——计算出各网页的相关度及排名等级，然后根据关联度高低，按顺序将这些网页链接返回给用户

■ 目录索引
与全文搜索引擎相比，目录索引有许多不同之处。

　　首先，搜索引擎属于自动网站检索，而目录索引则完全依赖手工操作。用户提交网站后，目录编辑人员会亲自浏览你的网站，然后根据一套自定的评判标准甚至编辑人员的主观印象，决定是否接纳你的网站。

　　其次，搜索引擎收录网站时，只要网站本身没有违反有关的规则，一般都能登录成功。而目录索引对网站的要求则高得多，有时即使登录多次也不一定成功。尤其象Yahoo!这样的超级索引，登录更是困难。（由于登录Yahoo!的难度最大，而它又是商家网络营销必争之地，所以我们会在后面用专门的篇幅介绍登录Yahoo雅虎的技巧）。此外，在登录搜索引擎时，我们一般不用考虑网站的分类问题，而登录目录索引时则必须将网站放在一个最合适的目录（Directory）。

　　最后，搜索引擎中各网站的有关信息都是从用户网页中自动提取的，所以用户的角度看，我们拥有更多的自主权；而目录索引则要求必须手工另外填写网站信息，而且还有各种各样的限制。更有甚者，如果工作人员认为你提交网站的目录、网站信息不合适，他可以随时对其进行调整，当然事先是不会和你商量的。

　　目录索引，顾名思义就是将网站分门别类地存放在相应的目录中，因此用户在查询信息时，可选择关键词搜索，也可按分类目录逐层查找。如以关键词搜索，返回的结果跟搜索引擎一样，也是根据信息关联程度排列网站，只不过其中人为因素要多一些。如果按分层目录查找，某一目录中网站的排名则是由标题字母的先后顺序决定（也有例外）。

　　目前，搜索引擎与目录索引有相互融合渗透的趋势。原来一些纯粹的全文搜索引擎现在也提供目录搜索，如Google就借用Open Directory目录提供分类查询。而象 Yahoo! 这些老牌目录索引则通过与Google等搜索引擎合作扩大搜索范围。在默认搜索模式下，一些目录类搜索引擎首先返回的是自己目录中匹配的网站，如国内搜狐、新浪、网易等；而另外一些则默认的是网页搜索，如Yahoo。

发布:石效瑞

新浪博客屏蔽“阿里妈妈”的广告

guagua513seo — Thu, 18 Oct 2007 00:12:51 +0800

wite by guagua513seo from seo研究-guagua513seo博客

网络广告再起风云，昨天新浪博客把“阿里妈妈”的广告屏蔽了。

广告代码被确认为非法代码，加不进去。

其实这也是预料中的事，也是以广告为生的新浪怎么会让别人在自家房里淘金呢？再说了，经济利益驱动使“博文”质量大幅度下降，新浪不可能放任不管的。

但是大家这么辛苦的写博客，新浪应该给点补偿才是。新浪自己的博客广告计划实在太没有吸引力了。

国内博客市场发展到现在这个规模，广告的介入是一个必然趋势，阿里妈妈锋芒太露，凭借自己的在线交易，支付宝等优势抢新浪的“蛋糕”，难免招来新浪的白眼。对于千千万万的博主来说，在线广告交易的出现确实为写博客增加了不少动力，但也添加了不少浮躁成分，现在新浪屏蔽了阿里妈妈的广告，大家还是安安心心写博客了。

当然，最期望的还是新浪老本家出点有吸引力的广告计划，安慰安慰大家。！

搜索引擎算法之复制网页

guagua513seo — Tue, 16 Oct 2007 09:13:11 +0800

关键词：搜索引擎，复制网页，算法，信息指纹，Fingerprint，关键词

搜索引擎判断复制网页一般都基于这么一个思想：为每个网页计算出一组信息指纹（Fingerprint），若两个网页有一定数量相同的信息指纹，则认为这两个网页的内容重叠性很高，也就是说两个网页是内容复制的。

很多搜索引擎判断内容复制的方法都不太一样，主要是以下两点的不同：

1、计算信息指纹（Fingerprint）的算法；
2、判断信息指纹的相似程度的参数。

在描述具体的算法前，先说清楚两点：
1、什么是信息指纹？信息指纹就是把网页里面正文信息，提取一定的信息，可以是关键字、词、句子或者段落及其在网页里面的权重等，对它进行加密，如MD5加密，从而形成的一个字符串。信息指纹如同人的指纹，只要内容不相同，信息指纹就不一样。
2、算法提取的信息不是针对整张网页，而是把网站里面共同的部分如导航条、logo、版权等信息（这些称之为网页的“噪音”）过滤掉后剩下的文本。

分段签名算法

这种算法是按照一定的规则把网页切成N段，对每一段进行签名，形成每一段的信息指纹。如果这N个信息指纹里面有M个相同时（m是系统定义的阙值），则认为两者是复制网页。

这种算法对于小规模的判断复制网页是很好的一种算法，但是对于像google这样海量的搜索引擎来说，算法的复杂度相当高。

基于关键词的复制网页算法

像google这类搜索引擎，他在抓取网页的时候都会记下以下网页信息：

1、网页中出现的关键词（中文分词技术）以及每个关键词的权重（关键词密度）；
2、提取meta descrīption或者每个网页的512个字节的有效文字。
关于第2点，baidu和google有所不同，google是提取你的meta descrīption，如果没有查询关键字相关的512个字节，而百度是直接提取后者。这一点大家使用过的都有所体会。

在以下算法描述中，我们约定几个信息指纹变量：

Pi表示第i个网页；
该网页权重最高的N个关键词构成集合Ti={t1,t2,...tn}，其对应的权重为Wi={w1,w2,...wi}
摘要信息用Des(Pi)表示，前n个关键词拼成的字符串用Con(Ti)表示，对这n个关键词排序后形成的字符串用Sort(Ti)表示。

以上信息指纹都用MD5函数进行加密。

基于关键词的复制网页算法有以下5种：
1、MD5(Des(Pi))=MD5(Des(Pj)),就是说摘要信息完全一样，i和j两个网页就认为是复制网页；
2、MD5(Con(Ti))=MD5(Con(Tj)),两个网页前n个关键词及其权重的排序一样，就认为是复制网页；
3、MD5(Sort(Ti))=MD5(Sort(Tj)),两个网页前n个关键词一样，权重可以不一样，也认为是复制网页。
4、MD5(Con(Ti))=MD5(Con(Tj))并且Wi-Wj的平方除以Wi和Wj的平方之和小于某个阙值a，则认为两者是复制网页。
5、MD5(Sort(Ti))=MD5(Sort(Tj))并且Wi-Wj的平方除以Wi和Wj的平方之和小于某个阙值a，则认为两者是复制网页。

关于第4和第5的那个阙值a,主要是因为前一个判断条件下，还是会有很多网页被误伤，搜索引擎开发根据权重的分布比例进行调节，防止误伤。

这个是北大天网搜索引擎的去重算法（可以参考：《搜索引擎--原理、技术与系统》一书），以上5种算法运行的时候，算法的效果取决于N，就是关键词数目的选取。当然啦，选的数量越多，判断就会越精确，但是谁知而来的计算速度也会减慢下来。所以必须考虑一个计算速度和去重准确率的平衡。据天网试验结果，10个左右关键词最恰当。

后记
以上肯定无法覆盖一个大型搜索引擎复制网页的所有方面，他们必定还有一些辅助的信息指纹判断，本文作为一个思路，给做搜索引擎优化的一个思路。

原作者:石效瑞日期:2007年7月31日

seo研究--缓慢更新你的网页--guagua513seo博客

guagua513seo — Tue, 16 Oct 2007 08:00:36 +0800

write by guagua513seo from seo研究-guagua513seo博客

如果网站不是大型网站，排名稳定以后就应该作不定期的更新，但要注意以下几点：

1、不要一次做大量更新。否则会被认为是spam.

2、不要每天在同一时间更新，因为这对网站来说也是不正常的。

3、更新可以是“改变原页面的内容”或“添加新的链接”。

4、一段时间内，外部链接应该不间断且少量的增加，除非有权威网站链向你的首页。

5、更新页面时要特别注意已经被google或其他搜索引擎已经收录的页面，如果页面因素处理不好，很有可能会对网站排名造成负面影响。

6、每周不定时更新不同列别的网页有助于提高网站排名。

guagua513seo from 深圳city

seor需要与时俱进-guagua513seo博客

guagua513seo — Fri, 05 Oct 2007 02:09:55 +0800

write by guagua513seo from seo研究-guagua513seo博客

当今世界，互联网的发展日新月异，新知识和新事物如潮水般滚滚而来，一个seor如果缺乏“与时俱进”的精神（只会用昨天的seo技术优化今天的网页），就必定会在不久的将来一败涂地。

在这个以搜索引擎为研究对象的行业，保持明锐的嗅觉和探索精神显得尤为重要。搜索引擎为了筛选出最有价值的信息，经常变换和改进自己的排名算法。如果seor不能捕捉到这种算法的改变，就不可能做出成绩。

“关键字堆砌”的时代已经过去了，“超规模链接群”也过去了，“无休止的做外部链接”也将成为过去。作弊手段的“进步”和“数据量的猛增”让搜索引擎的“屏蔽”机制越来越智能化，更新速度越来越快，SERP越来越精确。今后的seo工作将越来越趋向于细节化。那种照搬《seo秘籍》就可以取的排名的时代也即将过去。

“与时俱进”的可贵，还体现在seo资源的探求上。新事物、新功能和新网站的出现往往蕴含着一种新的推广方法或推广途径，这些方法和途径的不断积累是铸就一个成功seor的重要原因。

guagua513seo 深圳city

“网页收录为什么会越来越少”--guagua513seo博客

guagua513seo — Thu, 04 Oct 2007 06:55:09 +0800

write by: guagua513seo from seo研究-guagua513seo博客

如果你喜欢本seo博客,欢迎订阅和收藏。

很多的webmaster经常为自己的网页收录量发愁。其实“网页收录量越来越少是正常现象”。

以google和百度为例，在google和百度每星期收录量降1%是比较正常的事。虽然搜索引擎有巨大的数据库可以存储海量数据，但我们知道：任何信息的价值都有其时效性。google和百度每天抓取数以亿计的新网页存入数据库，也会不断删除过时的，价值低，重复性的网页。

一般来讲，以下几种网页容易在短时期内被删除：

1、复制，摘录，与原文相似度高的网页

2、访问量低，外部或内部链接少的网页

3、建立时间久远的网页

4、被发现或被认为作弊的网页

5、搜索引擎第二次爬行时url出现404错误的网页。

6、价值低的网页。

7、近期做了"劣质"改动的网页（搜索引擎会重新抓取，并重新评判网页的收录价值）

此外，搜索引擎对网站质量的评价也会影响收录页面。如果搜索引擎发现你的网站“在作弊”或者“质量低劣”，那么网页收录数量急剧下降也是很正常的事。

但是，如果网页收录量在一星期内下降20%以上，那么肯定是网站出了问题：

1、如果是因为改动页面（特别是动态网站）收录量剧降，“还原网页”也无济于事。所以建议，当收录量稳定时，最好不要动网页，

2、如果你什么也没有做网站收录量就剧降，建议你马上检查自己的友情链接，看是不是有网站被惩罚了。如果有，立即删除。

3、网页被收录以后，忌加外部链接。

write by :guagua513seo from : seo研究-guagua513seo博客

搜索引擎抓取不了新浪博客的最新文章-guagua513seo

guagua513seo — Thu, 27 Sep 2007 03:53:29 +0800

write by: guagua513seo from seo研究-guagua513seo博客

这里的“最新文章”，是指首页面的最新文章列表。

新浪博客在百度里面排名很难这并不奇怪，它的博客系统和页面代码天生就让新浪博客相比其他博客有不少的“非控劣势”。

和许多大型网站一样，新浪为了提高页面的下载速度和减轻服务器的负担，把一部分程序放在客户端执行，这些利用java script编写的程序，搜索引擎根本不能识别。

根据搜索经验，百度只能抓取新浪博客首页的“公告栏”和“最新留言”以及“最新回复”等。与博客内容最相关的“最新文章列表”和“文章分类”以及页面内容，百度几乎觉察不到。

而且，新浪博客大量运用了帧技术，帧技术也从目前来讲也是搜索引擎的难题。所以大家的新浪博客要想得到排名就必须利用其他方面大量工作来猊补这个缺陷。如：大量而且经常更新博客，大量的外部链接和内部链接等！

guagua513seo

shen zheng city