前面我们讲个搜索引擎如何搜集网页，今天说下第二个过程网页预处理，其中中文分词就显得尤其重要，下面就详细讲解一下搜索引擎是怎么进行网页预处理的：
网页预处理的第一步就是为原始网页建立索引，有了索引就可以为搜索引擎提供网页快照功能;接下来针对索引网页库进行网页切分，将每一篇网页转化为一组词的集合;最后将网页到索引词的映射转化为索引词到网页的映射，形成倒排文件（包括倒排表和索引词表），同时将网页中包含的不重复的索引词汇聚成索引词表。如下图所示：
一个原始网页库由若干个记录组成，每个记录包括记录头部信息（HEAD）和数据（DATA），每个数据由网页头信息（header），网页内容信息（content）组成。索引网页库的任务就是完成给定一个URL，在原始网页库中定位到该URL所指向的记录。
关键词在搜索引擎中排名不稳定，有很多网站有这样问题，使得网站流量和网站收入不稳定，这种不稳定的因素，问题的原因应该从网站的自身做起。笔者的网站曾经出现这样的问题，我总结了几个方法，可以参考。
（1）增加原创提高关键词密度
一般网站关键词有了排名，那么搜索引擎已经重视了你的网站，而且你网站的内容和网站的更新都有一定的权重，这时候增加原创文章，有助于关键词的稳定。一个是增加关键词和辅助关键词的密度，一个是增加原创文章的数量，有助于吸引蜘蛛，而且增加了它停留的时间。关键词排名一直是展现给用户的最好方式，标题是搜索引擎引擎收录的重要位置，那么在标题中增加关键词或者是辅助关键词的密度以后，搜索引擎会匹配它数据库中的主关键词，而更加的会使你网站的关键词占有重要的位置。在添加关键词的时候，一定要掌控在3%左右。（我查看了很多网站关键词排名，关键词3%最适宜。）
在搜索时代的今日，网站优化的重点，我分为2类，搜索引擎优化和用户体验优化，搜索引擎是用户上网的必备的工具，而用户体验优化，是给网站给用户良好的反馈，二者的比例是2：8，搜索引擎是机器，用户体验是以用户为基础。下面说一下比重的轻重。
简单说一下二八定律，无论什么事情或者事物都可以用二八分配，比如20%的人成功，80%的人不成功；20%的人用脖子以上赚钱，80%的人脖子以下赚钱；20%的人正面思考，80%的人负面思考；20%的人买时间，--80%的人卖时间； 20%的人找一个好员工；你已经知道了其中的奥秘了吧。
很多站长都在抱怨自己的网站经常性的不能被收录，其实很大一部分是由于不太了解蜘蛛陷阱而导致了自己的网站不是一个利于搜索引擎蜘蛛爬行的网站，今天黄文星就为大家介绍下常见的蜘蛛陷阱以及处理方法：
所谓的蜘蛛陷阱就是指由于一些不太合理的导致不利于蜘蛛爬行和抓取的网站设计技术。就蜘蛛的的角度来讲，一个网站在抓取和爬行时总是会遇到问题，就会被视为一种不友好的表现，所以久而久之就导致了网站不被收录、快照不更新等问题。所以要分析蜘蛛陷阱就应该以蜘蛛的角度来看待一个网站的设计。常见的蜘蛛陷阱有：
几个星期前ComScore公司公布的一些数据表明，在Bing和雅虎联盟增加了美国搜索引擎市场份额的30.5％，这几乎是一半的搜索引擎市场份额。此外，Bing已经与百度签署了一项协议，百度英文查询结果与Bing的对接。这使得它绝对必要的网站管理员和搜索引擎优化的专业人士研究的对象，以确保他们的网站能够在Bing中获得很好地搜索引擎优化排名，同时还有机会获得“powered by Bing”搜索引擎系统的优质排名展现。
在这篇文章中，我们将重点放在如何根据Bing搜索引擎优化规范去更好的对您的网站进行SEO优化，从而得到良好网站排名的过程。本文将提供15个Bing SEO技巧，可以帮助你获得在Bing搜索结果中的优质排名。正如你们许多人会注意到，这些技巧是一些常见的搜索引擎优化，同时也适用与google Search Engine Optimization。这是因为即使在各大搜索引擎的算法不同，主要的原则是相同的，以用户需求为导向的优质内容提供。
经常会有人在网上或者QQ上问，搜索引擎的秘密是什么？哪些网站可以快速提升网站排名呢？有没有可以快速提升网站排名的技巧呢？每天都有数不清的人都试图探寻搜索引擎的秘密，但是搜索引擎优化的秘密真的那么好探寻的吗？
我进去SEO这一行业的时间比较短，才一年多，也一直在不停地去学习，刚开始学做SEO的时候，也会经常去问别人有没有快速提升网站排名的方法，搜索引擎的秘密是什么呢？经常在一些问答、论坛、博客等等平台上面来了解这些信息。其实，现在想想当时的问题是有些愚蠢的。在学习SEO的过程中，走了很多弯路，比如尝试去了解黑帽SEO，当然，这些所谓的探寻和问答肯定是以失败而告终，慢慢自己就学会了要怎样去做。
对于nofollow标签我也算是情有独钟了，前面我给大家分析了nofollow标签在大型行业网的使用和nofollow标签使用如何把握一个“度”两个案例分析。今天我通过这两天的实验给大家分析下nofollow标签对搜索引擎索引和收录的阻击作用。nofollowr最运用是在于google的搜索引擎，而后百度也正式声明支持nofollow标签。
nofollow标签的主要用处于告诉搜索引擎不要去追踪带此标签的所有链接，不要给于该链以接索引和收录，以达到防止无关链接权重流失的目的。对于nofollow标签最常用的是在于用户注册，购物车，新手帮助，联系我们，公司介绍，关于我们，网站统计，网站地图，隐私保护等等与主题无关的内链和外链中。
搜索引擎算法是保密的，而且据说每天都在调整，具体没人知道。但是我认为搜索引擎算法源自两个方法论：程序推理和用户判断，程序推理分为两个维度：相关性和重要性，用户判断分别为相关性和重要性乘上个系数。关键词相关性由网页文本域内的关键词密度和分布决定。重要性也叫权重，一个网页的权重由这个网页的血统和内容品质共同决定。
由此，我们总结出搜索引擎算法的四个方面：关键词相关性、网页血统、网页内容品质、用户判断。大家从这四个方面思考，往往可以为被广泛认可的seo操作找到理论依据，培养自己的seo思维。有了seo思维，才能突破教条式的操作规定，在seo实战中灵活应变。
评估关键词竞争度
关键词竞争度判断，在百度搜索结果中有很多的解释，有些个人觉得过于片面，例如传闻收录量越大的的关键词竞争力越大，其实不是如此，下面我结合本人实战经验，跟大家谈谈我的看法。
1、收录量
收录量大的关键词不一定竞争力就大，主要得看是否是商品或者行业词，百度说到底还是属于商业化搜索引擎，所以大家在做SEO的时候对于商品词或者行业词追逐是最激烈的，很多时候听说谁谁的网站又被百度人工干涉了，其实不是如此，是因为竞争太过激烈，同行之间互相的小动作导致的。
了解了这么多关于SEO的知识，我们即将开始做SEO了，做SEO要做什么准备呢？
一、确定网站类型
我们需要寻找合适的SEO方向，销售为方向？品牌主打为方向？展示文章为方向？流量发展为方向？……我们需要给自己定位，做什么样的网站，是销售型网站，还是个人博客，或者是为了流量的垃圾站。一个漫无目的的SEOER是很难自我突破的，姜太公钓鱼，在网络上，在SEO界不适用。
二、域名
定好了发展目标，我们就要确定域名了，个人觉得域名对于SEO影响不是最大的，不过我们最好还是遵循以下的经验为原则：
