搜索引擎如何判断核心内容的思考

搜索引擎蜘蛛把页面代码送回搜索引擎服务器后，SE是如何判断页面中最核心的内容呢？
; U! g2 S: G# I' }, q% [& C6 N1 P4 w* l先说下Kyw认为的搜索引擎运作过程的前几个步骤：
1.蜘蛛下载A页面，送回服务器；
6 ~  G& m) U/ Y/ ^$ c2.服务器寻找A页面的核心内容位置，然后去除HTML代码；
3.寻找网页核心内容；……
4 B8 U# r7 j( |我不确定GOOGLE、百度、YAHOO！是否真的有“判断核心内容”这个步骤，但我相信一定有类似的运算机制，因为如果没这个步骤，搜索引擎将耗费大量资源做重复运算。当然KYW不是搜索引擎工程师，下面只是对搜索引擎的一些思考。
SE面对一整页HTML代码，如何判断核心内容在哪里呢？
第一步：拿该页面和同域名、同目录、同文件名格式的页面做对比，去除相似的部分。经过这个步骤，头部的导航条、底部的版权信息、固定位置的广告就被去掉了。我估计搜索引擎在每增加一个新网站的时候，会建立一个对比模板来提高工作效率。如果网站经常改版，在改版刚开始的期间，搜索引擎还没反应过来，就可能造成新收录网页的排名不理想。
第二步：去掉有大量链接的部分。经过这步，“相关文章”“推荐文章”等都被去掉了，剩下一些包含文字内容的代码。
1 `1 X0 N1 b  o! g# s0 v2 y' M第三步：在剩余的代码中判断哪段标签（可能是DIV、TABLE、P或其它标签）中的文字内容最多，因为一般核心内容的文字量会比较多。
( W% ^' s& f  a7 k每个页面经过上面3个步骤，应该就能顺利的判断出核心内容所在的位置。经过这样的思考，我们也许可以这样总结：
+ s) v1 N1 _$ U! t) S# ]" Q( L" h1.同目录下的页面，最好模板一样。
2.核心内容文字量不能太少，特别是企业站和B2C网站，只放价格和包含大量说明文字的图片是很不好的。
9 i1 P9 p1 W/ Q3.HTML代码中如果错误很多，可能会影响排名，因为搜索引擎可能在判断核心内容的时候出差错。
. ~  W% {4 Z( V: j; y+ Q) d' }% A4.期待你的补充^_^
9 Y5 V0 o7 |; d0 w8 _7 @+ L$ RKyw把SEO的主要工作理解成帮助搜索引擎更高效的理解网站及页面的内容，所以建议大家有事没事琢磨琢磨搜索引擎，问题想透的越多，SEO的手法也就更加随机应变了。当然也没必要钻牛角尖，有想不通的问题就到我这留言吧。
- G# K: b" o7 i6 y' z7 c2 g9 u原文：
* O9 y5 \4 X) ^* z注：相关网站建设技巧阅读请移步到建站教程频道。

刚好遇到类似问题，看完这个帖子心里有底了

这个思路很新颖，打开了新世界的大门，谢谢分享

完全赞同，我也是这么认为的，英雄所见略同～

内容很干货，没有多余的废话，值得反复看