SEO如何處理采集內容
分享
評論
贊0
有人說采集內容對搜索引擎友好性不高，不容易獲得排名，這個是肯定且必然的。
seo內容采集
對大多站點，上采集內容必定不如UGC、精心編輯過的內容來的效果好。但是，現在搜索引擎能獲取到的原創內容量已經不如之前多了，畢竟內容生產平臺已經轉移了，早就不集中在網站上了。另外幾個搜索引擎之間還相互抓，何況小站點呢。
所以采集內容依舊是有效的，只不過對采集內容后加工的成本越來越高了。
采集內容的后加工
擔心采集內容效果差，或者容易被K，主要還是看怎么對內容后加工。打個比方：
好比從沃爾瑪拿了一筐獼猴桃，原封不動的放到家樂福，頂多還只能是原來的售價，因為獼猴桃還是獼猴桃，商品不變。但把獼猴桃榨成汁（形態變化），加點水分瓶裝（粒度變化），再放到711里賣（平臺變化），售價可以翻幾倍（價值增益）
為啥？
因為形態變了，果汁是不同于水果的商品，且果汁更容易吸收
因為平臺變了，711定價本身就比沃爾瑪家樂福要高一點
因為粒度變了，一生二二生三三生萬物
前三者的變化，導致價值的翻倍
如果把“采集內容”比作“獼猴桃”，則對“采集內容”的后加工策略如下：
形態
組織內容方式無窮多，無論對同一個內容掰開了揉碎了分發到多處、還是多篇相關內容聚合到一處、還是其他方式，都可以讓搜索引擎更容易接受。
平臺
術業有專攻，從新浪抓一些垂直行業內容放到對應行業的垂直網站，肯定比放到新浪更合適。把專業化的內容放到專業的網站。
粒度
同樣是抓取的內容，粒度越細，在搜索引擎中的原創度越高。舉個極端的例子，星座股票起名八卦算命生辰八字風水算命qq圖片動態圖….此類型的站，哪個內容不是重復的？
增益
采集的目的在于補全內容上的漏洞，使同主題的內容比別人更加豐富飽滿充實，則產生了頁面內容價值上的增益。
采集內容完整流程
關于“采集內容處理”，從抓取到上線整個流程看，要搞定以下問題：
采集內容從哪來？
采集內容怎么抓？
采集內容如何處理？
采集內容從哪來？
對于正經做站且做正經站的，定向采集、買專業數據更合適。
定向采集，只抓幾個特定網站的特定范圍，與本站內容漏洞高度相關的。
對于不正經做站的，可選擇的范圍就多很多了，沾點邊的內容都可以抓，講究量大，所以不需要限定某幾個站的抓取，有人叫泛采集
設置幾個主題，直接抓各種大平臺的搜索結果便可。大平臺指什么？海量內容集中的地方：各類搜索引擎、各類門戶、今日頭條、微信微博、優酷土豆等等
采集內容怎么抓？
定向采集：
略，平常怎么抓就怎么抓。
泛采集：
定向爬蟲受限于網頁模板，在此基礎上加上幾個內容分析算法來提取內容，改成通用爬蟲。
好多瀏覽器插件，如印象筆記之類的，有好多類似“只看正文”的功能，點一下只顯示當前瀏覽網頁的正文信息，很多人已經把此類算法移植到python、php、java等編程語言上，搜索下便是。
采集內容如何處理？
兩個先后過程：
對原始內容的處理
對處理后內容進行組織
對原始內容的處理
百度專利說過，搜索引擎除了根據正文判斷內容相似性，也會根據html的dom節點的位置和順序來判斷，如果兩個網頁正文的html的結構相似，也可能當做重復內容來處理。
所以，采集的內容不能直接拿來就上，要對源碼清洗一下。每個人方式各異，個人一般做如下處理：
html清洗
保留主要標簽：p、img
刪除標簽中不重要的屬性
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()
刪除中文字數 < 100字的
text = re.sub("[\s+\.\!\/_,$%^*(+\"\']+|[+——！，:：。？、~@#￥%……&*（）“”《》]+".decode("utf8"), "".decode("utf8"),newcontent)
text2 = re.sub('<[^>]*?>','',text)
words_number = len(text2)
去除垃圾信息
如“XXX網小編：XXX”、郵箱網址等。。。
對處理后內容進行組織
猜你喜歡
評論(0人參與，0條評論)
發布評論
最新評論