指令處理。正規(guī)石家莊網(wǎng)站建設(shè)查詢詞完成分詞后，搜索引擎的默認處理方式是在關(guān)鍵詞之間使用“與”邏輯。也就是說用戶搜索“減肥方法”時，程序分詞為“減肥”和“方法”兩個詞，搜索引擎排序時默認認為，用戶尋找的是既包含“減肥”，石家莊網(wǎng)站建設(shè)哪家好也包含“方法”的頁面。只包含“減肥”不包含“方法”，或者只包含“方法”不包含“減肥”的頁面，被認為是不符合搜索條件的。當然，這只是極為簡化的為了說明原理的說法，實際上我們還是會看到只包含一部分關(guān)鍵詞的搜索結(jié)果。

正規(guī)石家莊網(wǎng)站建設(shè)鏈接關(guān)系計算也是預(yù)處理中很重要的一部分。現(xiàn)在所有的主流搜索引擎排名因素中都包含網(wǎng)頁之間的鏈接流動信息。搜索引擎在抓取頁面內(nèi)容后，必須事前計算出：頁面上有哪些鏈接指向哪些其他頁面，每個頁面有哪些導(dǎo)入鏈接，鏈接使用了什么錨文字，石家莊網(wǎng)站建設(shè)哪家好這些復(fù)雜的鏈接指向關(guān)系形成了網(wǎng)站和頁面的鏈接權(quán)重。Google PR值就是這種鏈接關(guān)系的Z主要體現(xiàn)之一。其他搜索引擎也都進行類似計算，雖然它們并不稱為PR。

正規(guī)石家莊網(wǎng)站建設(shè)文件存儲搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁面數(shù)據(jù)庫。其中的頁面數(shù)據(jù)與用戶瀏覽器得到的HTML是完全一樣的。每個URL都有一個獨特的文件編號。爬行時的復(fù)制內(nèi)容檢測石家莊網(wǎng)站建設(shè)哪家好 檢測并刪除復(fù)制內(nèi)容通常是在下面介紹的預(yù)處理過程中進行的，但現(xiàn)在的蜘蛛在爬行和抓取文件時也會進行一定程度的復(fù)制內(nèi)容檢測。遇到權(quán)重很低的網(wǎng)站上大量轉(zhuǎn)載或抄襲內(nèi)容時，很可能不再繼續(xù)爬行。這也就是有的站長在日志文件中發(fā)現(xiàn)了蜘蛛，但頁面從來沒有被真正收錄過的原因。

正規(guī)石家莊網(wǎng)站建設(shè)這里的關(guān)鍵詞選取是在分詞、去停止詞、消噪之后。實驗表明，通常選取10個特征關(guān)鍵詞就可以達到比較高的計算準確性，再選取更多詞對去重準確性提高的貢獻也就不大了。典型的指紋計算方法如MD5算法（信息摘要算法第五版）。石家莊網(wǎng)站建設(shè)哪家好這類指紋算法的特點是，輸入（特征關(guān)鍵詞）有任何微小的變化，都會導(dǎo)致計算出的指紋有很大差距。了解了搜索引擎的去重算法，網(wǎng)站優(yōu)化人員就應(yīng)該知道簡單地“的”、“地”、“得”、調(diào)換段落順序這種所謂偽原創(chuàng)，并不能逃過搜索引擎的去重算法，因為這樣的操作無法改變文章的特征關(guān)鍵詞。

正規(guī)石家莊網(wǎng)站建設(shè)關(guān)鍵詞常用程度。經(jīng)過分詞后的多個關(guān)鍵詞，對整個搜索字符串的意義貢獻并不相同。越常用的詞對搜索詞的意義貢獻越小，越不常用的詞對搜索詞的意義貢獻越大。舉個例子，假設(shè)用戶輸入的搜索詞是“我們冥王星”。石家莊網(wǎng)站建設(shè)哪家好“我們”這個詞常用程度非常高，在很多頁面上會出現(xiàn)，它對“我們冥王星”這個搜索詞的辨識程度和意義相關(guān)度貢獻就很小。找出那些包含“我們”這個詞的頁面，對搜索排名相關(guān)性幾乎沒有什么影響，有太鄉(xiāng)頁面包含“我們”這個詞。而“冥王星”這個詞常用程度就比較低，對“我們冥王星”這個搜索詞的意義貢獻要大得多。