蚌埠建站交流详细解读

三、百度索引量——索引的处理过程

①提取文字

搜索引擎蜘蛛抓取页面之后，从HTML中找出单纯文字信息，JavaScript代码、HTML标记语言的普通标签对搜索引擎来讲是毫无意义的。

除了提取普通文章外，还会提取图片或Flash的alt属性中的文字、以及链接锚文本等，同时，还有meta标签中的标题与页面描述信息。

②中文分词

中文分词：指的是将一个汉字序列切分成一个个单独的词。

在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂得多、困难得多。

中文分词有三类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。

而到了如今，传统媒介也在改变，他们凭借优异的内容资源，和优秀的内容生产人员，在产品化思维下，媒体生产的内容，不再是“用一次就扔”的昨日黄花，媒体内容开始产品化，帮助媒体在广告收入之外开辟了巨大的变现空间。