正規(guī)網(wǎng)絡(luò)推廣公司搜索引擎蜘蛛抓取的原始頁(yè)面，并不能直接用于查詢排名處理。搜索引擎數(shù)據(jù)庫(kù)中的頁(yè)面數(shù)都在數(shù)萬億級(jí)別以上，用戶輸入搜索詞后，靠排名程序?qū)崟r(shí)對(duì)這么多頁(yè)面分析相關(guān)性，計(jì)算量太大，不可能在一兩秒內(nèi)返回排名結(jié)果。網(wǎng)絡(luò)推廣公司哪家好因此抓取來的頁(yè)面必須經(jīng)過預(yù)處理，為Z后的查詢排名做好準(zhǔn)備。和爬行抓取一樣，預(yù)處理也是在后臺(tái)提前完成的，用戶搜索時(shí)感覺不到這個(gè)過程。搜索引擎預(yù)處理首先要做的就是從HTML文件中去除標(biāo)簽、程序，提取出可以用于排名處理的網(wǎng)頁(yè)面文字內(nèi)容。

正規(guī)網(wǎng)絡(luò)推廣公司鏈接關(guān)系計(jì)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(yè)之間的鏈接流動(dòng)信息。搜索引擎在抓取頁(yè)面內(nèi)容后，必須事前計(jì)算出：頁(yè)面上有哪些鏈接指向哪些其他頁(yè)面，每個(gè)頁(yè)面有哪些導(dǎo)入鏈接，鏈接使用了什么錨文字，網(wǎng)絡(luò)推廣公司哪家好這些復(fù)雜的鏈接指向關(guān)系形成了網(wǎng)站和頁(yè)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(jìn)行類似計(jì)算，雖然它們并不稱為PR。

正規(guī)網(wǎng)絡(luò)推廣公司只有在深入了解搜索引擎蜘蛛爬行原理的基礎(chǔ)上，才能盡量使蜘蛛抓得快而全面。上面所舉的幾個(gè)例子，讀者看完搜索引擎原理簡(jiǎn)介這一節(jié)后，會(huì)有更深入的認(rèn)識(shí)。搜索引擎與目錄，網(wǎng)絡(luò)推廣公司哪家好早期的網(wǎng)站優(yōu)化資料經(jīng)常把真正的搜索引擎與目錄放在一起討論，甚至把目錄也稱為搜索引擎的一種，這種講法并不準(zhǔn)確。真正的搜索引擎指的是由蜘蛛程序沿著鏈接爬行和抓取網(wǎng)上的大量頁(yè)面，存進(jìn)數(shù)據(jù)庫(kù)，經(jīng)過預(yù)處理，用戶在搜索框輸入關(guān)鍵詞后，搜索引擎排序程序從數(shù)據(jù)庫(kù)中挑選出符合搜索關(guān)鍵詞要求的頁(yè)面。

正規(guī)網(wǎng)絡(luò)推廣公司而且搜索引擎的去重算法很可能不止于頁(yè)面級(jí)別，而是進(jìn)行到段落級(jí)別，混合不同文章、交叉調(diào)換段落順序也不能使轉(zhuǎn)載和抄襲變成原創(chuàng)。正向索引 正向索引也可以簡(jiǎn)稱為索引。網(wǎng)絡(luò)推廣公司哪家好經(jīng)過文字提取、分詞、消噪、去重后，搜索引擎得到的就是獨(dú)特的、能反映頁(yè)面主體內(nèi)容的、以詞為單位的內(nèi)容。接下來搜索引擎索引程序就可以提取關(guān)鍵詞，按照分詞程序劃分好的詞，把頁(yè)面轉(zhuǎn)換為一個(gè)關(guān)鍵詞組成的集合，同時(shí)記錄每一個(gè)關(guān)鍵詞在頁(yè)面上的出現(xiàn)頻率、出現(xiàn)次數(shù)、格式（如出現(xiàn)在標(biāo)題標(biāo)簽、黑體、H標(biāo)簽、錨文字等）