網(wǎng)頁去重算法-怎么和搜索引擎算法做斗爭，不知道大家有沒有仔細(xì)去研究過搜索引擎爬蟲抓取的一個過程，這里可以簡單的說一下：
一、定(要知道你準(zhǔn)備在哪個范圍或者網(wǎng)站去搜索);百度提交，合作DNS，已有爬蟲入口
二、爬(將所有的網(wǎng)站的內(nèi)容全部爬下來)
三、取(分析數(shù)據(jù)，去掉對我們沒用處的數(shù)據(jù)); 去重：Shingle算法》SuperShinge算法》I-Match算法》SimHash算法
四、存(按照我們想要的方式存儲和使用)
五、表(可以根據(jù)數(shù)據(jù)的類型通過一些圖標(biāo)展示)
搜索引擎簡單的看就是抓取到頁面到數(shù)據(jù)庫，然后存儲頁面到數(shù)據(jù)庫，到數(shù)據(jù)庫取出頁面進行展現(xiàn)，所以這里面是有很多算法的，到現(xiàn)在搜索引擎為了防止作弊，更好的滿足用戶需求對很多算法已經(jīng)進行改進，具體的有哪些基礎(chǔ)算法大家可以自己去了解(點擊： SEO算法 -進行了解 )。今天主要講的是源碼去重，也就是第三部取。
通過上面幾個步驟可以了解到，搜索引擎不可能把互聯(lián)網(wǎng)上的所有頁面都存儲到數(shù)據(jù)庫，在把你的頁面存到數(shù)據(jù)庫之前是要對你的頁面進行檢查的，檢查你的頁面是否跟已經(jīng)存儲的頁面重復(fù)了，這也是很多seoer要去做偽原創(chuàng)增加收錄幾率的原因。
根據(jù)去重的基礎(chǔ)算法可以了解到頁面去重它是分代碼去重和內(nèi)容去重的，如果我把別人網(wǎng)站的模板程序原封不動的拿過來做網(wǎng)站，那我需要怎么做代碼去重呢?今天分享一下怎么做代碼去重。
如圖，可以看到在每個模板的class后面加上自己的特征字符，這樣是既不不影響css樣式，又可以做到代碼去重的效果，欺騙搜索引擎，告訴它我這是你沒有見過的代碼程序。
很多東西說出來簡單，都是經(jīng)過很多實操總結(jié)出來的，大家需要多去操作，那給大家提一下發(fā)散的問題。
如果去重算法有效的話，互聯(lián)網(wǎng)上面這么多相同程序的網(wǎng)站他們的代碼幾乎相同(很多程序用相同的模板：織夢，帝國等)，他們的權(quán)重排名為什么都可以做的很好?
去重算法他有一個發(fā)展升級的，簡單的說就是最開始的Shingle算法，到后面的SuperShinge算法再升級到I-Match算法之后到SimHash算法，現(xiàn)在每個搜索引擎的算法都是在這些基礎(chǔ)的算法上面進行升級改進，我們可以了解大致的原理。
簡單點說就是搜索引擎給每個頁面一個指紋，每個頁面分層很多個小模塊，由很多個小模塊組成一個頁面，就像指紋一樣由很多條線組成。
知道這個原理的話我們就知道現(xiàn)在大家所做的偽原創(chuàng)是沒有用的，打亂段落順序，改一些詞，是不會影響頁面指紋的。
真正的可以做到抄別人內(nèi)容，還不被判定為重復(fù)內(nèi)容要怎么去做呢?
首先了解一個機制，搜索引擎存儲的頁面數(shù)據(jù)他是分層級的，簡單點說就是你輸入一個搜索詞的時候它優(yōu)先排名的是優(yōu)質(zhì)層的數(shù)據(jù)，其次再是普通層，劣質(zhì)層。平時看到的很多高權(quán)重平臺他的內(nèi)頁的排名也可以超過很多網(wǎng)站首頁有這里面的原因。
當(dāng)2個網(wǎng)站程序代碼幾乎相同，內(nèi)容也幾乎相同的時候，搜索引擎怎么去發(fā)現(xiàn)他們是重復(fù)的呢?
因為搜索引擎存儲的數(shù)據(jù)量很大，不可能每存儲一個新頁面就把之前所有存儲的頁面拿出來對比，那他只能是通過算法判斷拿出與新頁面標(biāo)題描述相關(guān)的優(yōu)質(zhì)層的頁面，來與新頁面進行重復(fù)度對比。如果重復(fù)度達(dá)到某個值那么他就會被判斷為重復(fù)內(nèi)容，就被去重算法給去掉不被收錄，如果沒有被判定為重復(fù)內(nèi)容則被收錄到劣質(zhì)層。當(dāng)你想對這個新頁面做優(yōu)化讓他的排名有所提，進入到優(yōu)質(zhì)層，那它相應(yīng)的要求也會提升，它會調(diào)取更多的頁面數(shù)據(jù)出來，與其進行對比，而不僅僅是通過調(diào)取相關(guān)標(biāo)題描述的數(shù)據(jù)。這樣的話就會被搜索引擎發(fā)現(xiàn)，它不是原創(chuàng)的，通過綜合的一個評估不給予它進入到優(yōu)質(zhì)層。
這也是我們看到的一個現(xiàn)象，為什么很多抄的內(nèi)容可以收錄，但是沒辦法獲得好的排名。
如果我們抄了一篇文章，但是我們用了不同的標(biāo)題，那對于搜索引擎來說，他在劣質(zhì)層里面沒辦法發(fā)現(xiàn)他是重復(fù)的。這也是解釋很多奇怪的現(xiàn)象，比如圖中：
一個克隆的網(wǎng)站，因為標(biāo)題的不同，搜索引擎在抓取去重過程中沒有發(fā)現(xiàn)它，但是之后如果這個頁面想要進去到優(yōu)質(zhì)層數(shù)據(jù)庫，它就會被發(fā)現(xiàn)是重復(fù)的，不會給予好的排名展現(xiàn)。
總結(jié)：市面上面的偽原創(chuàng)工具是沒有用的，沒有影響要頁面的指紋，如果非要抄別人的修改標(biāo)題即可，但是不會獲得好的排名。在新站初期可以用改標(biāo)題的方法增加收錄，增加網(wǎng)站蜘蛛，中期開始要自己做內(nèi)容，為獲得好的排名展現(xiàn)做鋪墊。
那如果就是想抄別人的內(nèi)容，放到自己的網(wǎng)站上面，怎么把它變成優(yōu)質(zhì)的內(nèi)容?文章轉(zhuǎn)載：https://leosem.com/
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
