《SEO深度解析》读书笔记(1-3)

  SEO(Search Engine Optimization),搜索引擎优化，根据搜索引擎(谷歌、百度)的规则来优化自己网站，提升在搜索引擎里面排名的一种技术。是前端技能树比较冷门的一环。
  最开始接触到SEO，是最近自己接的一个外包官网项目，甲方要求SEO上优化几个关键的搜索词，在谷歌上面能够排到前列。至此踏入SEO的坑。在搜索了几个SEO相关的博客网站，看了SEO一些相关介绍之后，得出的明显的感觉就是这个圈子大多数的人狂妄，水平一般且不乐意分享，分享的技术文章充斥着，说了你也不懂，这个明白的都明白等论调，每几篇文章看下来，干货没多少，自己牛逼倒是吹了不少。很多SEO的技巧论调官方没有放出，大多数人纯粹在瞎猜的阶段，比如site和domain指令的使用。想想还是自己买本书回来认真实践加学习一下，希望日后能自己维护出来一个流量权重还可以的网站。

  选择《SEO深度解析》第二版，主要原因是SEO的书籍都太老了，搜索引擎权重等算法更新很快，选了一本最近的著作，不过也是16年的了。这本书偏向百度的国内SEO优化，但是也有涉及到谷歌的一些内容，比较浅显易懂，比较适合SEO的入门和学习。根据章节内容大体切割了一下，计划一个半月左右读完。

打算根据切割的模块写四篇左右的读书笔记：

1. 1-3章，SEO，SEO名词介绍，搜索引擎原理简单了解
2. 4-6章，SEO实操技巧，外链，站内优化，关键词优化
3. 7-9章，SEO分析，对手、自己、数据分析，分析工具介绍
4. 10-13章，一些SEO的问答和达人的经验分享。

chap-1 SEO是什么

  简单说明了作者对SEO的理解，SEO是一门艺术，更是一门技术。阐述了SEO的三个方向(技术方向、运营方向、和产品方向)，希望大家能对SEO有自己的认识。

chap-2 搜索引擎原理

  SEO宏观上的技术原理可以分为网站收录(Spider)、查询分析两个部分。大体的步骤可以阐述为：

1. Spider，也就是常言的爬虫，通过对应的规则爬取互联网上面的网站，并将网站Url，收录到搜索引擎所在的库当中。
2. 收录到库当中后，会将网站的内容结构拆解，建立对应的搜索词表，存取在搜索引擎的数据库当中。
3. 根据算法的分析(用户体验、网站活跃度、网站收藏量、关联程度)，建立网站权重机制。
4. 在用户搜索关键词之后，根据关联算法，推演算法，网站权重，返回搜索结果。

  SEO就是根据前三个步骤，用搜索引擎的算法规则，去优化自己的网站，获得第四个步骤上较高的排名。

spider的爬取

  网站收录，是做SEO的前提，网站都没有收录到搜索引擎的数据库中，是根本不可能出现在搜索结果里的。

  spider的爬取分为，网站的收录，网站更新两种形式，其中网站的更新还会包括降权spider存在。

网站的收录有两种途径，一种是分布式spider根据深度优先和广度优先综合的爬取方式，爬取各个url，延伸到新的网站，进行去重算法之后，收录到库。大型优质的网站，会优先实行深度优先的爬取策略，尽量爬取全部的链接。我们在日常的搜索结果中不难看到，搜索问题的时候出现知乎，贴吧某个具体的回答，而小一些的网站就是出现网站的首页。第二种是可以自己主动提交自己的网站到搜索引擎相对应的收录方，主动将自己的网站添加收录。

  从这两点，我们不难看出，创建一个新的网站，想要快速被收录到搜索引擎当中，需要把自己网站的链接，挂到大型网站的链接当中。这点不是很现实。所以对于初创型网站，只能乖乖的写好网页结构，提交自己的网站到谷歌和百度对应的收录站点，让自己的网站能够通过收录的要求，被收录进搜索引擎的库中。小型的网站，会优先采用广度优先的爬取原则，用很少的资源，快速的爬完前几个页面，不会浪费很多的资源在深度上。因此，新的网站，不宜采用较深的面包屑导航(如嵌套index-cn-article-chap1)，一般链接层数在3层以内。在首页多方网站的主内容，是比较好的策略。待网站的权重更新高了之后，再逐渐拓深页面的导航。

  如何去看自己的网站是否被收录，其实很简单。只要到对应的搜索引擎，敲入自己的url去进行搜索就可以看到了。简单看一下我的个人网站和我外包的一个官网在百度上搜索url的结果。如果你的网站被收录了，使用www域名去搜索，是能够出现网站信息的。

  每个spider抓取有他自己的收集范围和收录网站类型，在收录一个全新的网站之后，会进入更新spider的抓取阶段。更新spider会有一个由快到慢的频率去对收录的url进行一个信息抓取的更新，来同步获得你网站的更新平率，和建立一个更准确的权重。在数次之后，会对你的网站建立一个规律的时间，去特定的更新你网站的内容。影响更新速率的因素有很多，你网站的类型(新闻类，外链多的有较高的更新速率)，网站的权重(新浪之类的大网站会有很快的更新频率)等。那么spider更新的速率，很对提升你网站的权重有很大的帮助。

  spider是程序访问，和人访问有很大的不同。比如spider会很容易陷入死循环链接爬取，无法延迟获得ajax，iframe的内容，看不到显示的网站读取不到准确的图片信息。因此这几点做的不好的网站，很容易被拉低权重，陷入更新速度慢，权重低的泥潭。针对这一点，减少ajax的页面内容渲染(使用服务器端渲染)，拥有一个良好的语义化页面结构(多使用H5予以标签)，准确的结构分层(比如ul,ol的使用，img的alt标签的使用，b标签等标重标签突出关键词)，是让spider提升网页权重的良好的方式。切忌，不要在自己的网页当中放置无限的死循环，spider爬死之后，很容易把你的url权重拉黑。

收录之后的内容处理

  spider收录回来的网页，要进行内容清洗之后，才能放到数据库当中。内容清洗大体上可以分为：

1. 判断页面的类型——是web，还是pdf，excel文件，不同类型进行不同算法处理。
2. 获取网页的文本信息，此处提取网站的title、description、keywords的标签信息，用于后续的搜索引擎结果显示。
3. 去除页面的噪声(广告内容、版权信息、无关导航、废弃导航)，全部删除。
4. 根据算法去除停止词(的，啊，呀)

  经过这四步之后，让网站剩下关键词的内容，进行基于词典或者分词统计的拆分，建立关键词索引，比如你的网站提炼出了，计算机，电脑，it的关键词，那么就会收录到这几个关键词下面数据库当中去，根据网页信息和权重，在用户搜索的时候，返回出对应列表的结果。在这一步当中你所要去优化的部分，就是写好网站的meta标签，多写关键词(页脚，img的alt当中),着重去语义化标注一些关键词(b,ruby等标签)，让你的网站出现在你希望出现的关键词当中。

搜索需求分析

  这里，搜索引擎会根据用户的需求分析，去进一步建立关键词语网站的索引表，完善搜索结果。

• 搜索意图分析，当用户搜索“霍建华”的时候，返回人物介绍，人物照片还是人物的相关新闻
• 关键词匹配， 当搜索“计算机”的时候，也会返回“电脑”的相关搜索结果这种相近搜索词的建立
• 关键词提取， 当搜索“我们的航母”之后，提取“航母”这个关键词的主要内容，而不是一味的去查找“我们的航母”
• 用户体验优化，优先返回知名度高的大站，优先返回广告少，弹窗少，更新速度快，用户浏览停驻时间长的网站
• 反作弊和人工干预，无限死链，恶性相互链接等恶意利用SEO算法提高权重的网站，会着重去反作弊降低权重

  这一块和SEO优化的关联程度不大，主要针对反作弊和人工干预这一块，注意一下不要恶意的利用SEO规则去做一些恶化用户体验的事情，导致你的网站被拉黑。在搜索结果出来之后，百度的cookie会记录一个用户访问搜索结果时间。如果用户点开一个结果之后，秒退回百度首页，那么百度会记录下来，次数多了，会降低相应的链接权重。因此，做好维护好网站的内容本身是非常重要的。

chap-3 常见名词指令讨论

该章主要介绍了SEO的一些常见名词和一些常用指令的搜索方式。

• 权重pr(Page Rank)
    权重是一个页面索引的分数值，用于综合表示网站的质量(关键词排名、外链情况、收录量、alexa排名)，是作为搜索结果排序的标志。针对性的去优化，需要内外兼修，做好外链，增加网站作品和收录量，保持优质的网站建设。

• 链接农场和内容农场
    链接农场指没有实际内容，通过手机网站和交换链接来提升网站pr或权重的网站。内容农场指围绕关键词制作大量低质量(抄袭，堆砌关键词)内容的网站。两种都是搜索引擎严厉打击的对象。也表现了SEO两个重要的优化方向，外链数量质量，以及关键词的频率。

• 指令
    使用,来分割多个搜索关键词，使用+来搜索同时匹配多个关键词的搜索结果。
    使用site:指令，来进行对应站点内内容搜索。比如我搜索前端 site:www.bilibili.com,就是在哔哩哔哩这个网站当中搜索前端的相关内容。也是查看你网站是否被收录的方法之一。如果你网站没被收录，那么这个指令是无效的。而且你的网站被降权的话，搜索结果也会排到关键词结果的后面。是查看网站是否被降权的重要手段。
    使用domain:指令进行文本查询。domain指令能够搜索纯文本的指令(即title，description，页面内容和url中的内容，不会查询js，iframe，ajax中的内容)。这个指令可以用来查看你网站获得的文本链接数和收录量。比如你查找domain:www.mysite.com的结果越多，可以侧面说明你网站获得链接越多。如果你专门做SEO，公司以这个数量来考察你的kpi，可以着重在这几个地方加上自己网站的链接，来增加搜索的结果数量。
    使用filetype:type来快速找到对应的文件资源。比如我查找前端 filetype:ppt，那么可以帮我返回前端有关的ppt资源。

总结

  前三章对搜索引擎流程做了一个简单剖析，对SEO做了一个梗概的介绍。从中我们可以了解SEO大体需要做哪些方面的内容，根据搜索引擎的原理做一些针对性的优化。对于前端来说SEO更多的像偏门的一个技能点，而不是正统的技能树上的一个内容。SEO本身也是需要一个长期维护优化才能体现出来结果的技术。
  对于纯前端同学，照理来说应该按照SEO的思维去进行语义化标签的处理和书写。但是由于神棍的浏览器兼容性，在实际工作当中其实不能完全语义化标签去处理(比如button标签)，统一使用div反而更可控一些。如果你有一个长期维护的个人sideproject，那么学习好SEO，总归是没错的。