搜索引擎如何分析网页正文内容

[ At 2009/6/29 By wukong   2 comments ]

搜索引擎通过蜘蛛程序,从互联网这个信息海洋抓取回来大量的网页数据,但抓取海量的数据仅仅是搜索引擎完成的第一步工作,如何分析、处理、归类、搜索这些数据,是一个比海量抓取要复杂的多的工作。

一直以来,我一直思考这个问题,如何从一个网页的html源码中把正文分拣剥离出来,这应该也是搜索引擎对蜘蛛抓取回来的页面做的较为基本的处理了。一个页面的html包含很多信息,比如标题、导航、链接、图片、广告、分页、排版信息等等,复杂的html标签混杂在这些内容里,而用户看上去的正文部份,也可能包含有大量的诸如a、div、span、font、img等等html标签,使得正文和非正文部份的代码混合到一起,机器不能简单的从代码里获得人类大脑识别的正文部份文本。那么,如何模拟用户大脑从混杂的html代码里获取真正的正文部份呢?

...Read More...

google AdSense 账户收不到PIN验证可进行人工审核解决

[ At 2009/2/5 By wukong   3 comments ]

申请google AdSense已经好久了,因为没钱所以一直也没进行pin码验证,前段时间终于收到了google 给的pin码的邮件(不是email)。我可是等了好久才收到的哦,我伙计还有个帐号到现在还没收到邮件呢。今天到朋友的博客转悠,竟然发现还有另外的解决pin验证的办法,哈哈,转过来,以供参考。

他的网站已经出现广告不显示的问题了,就是因为pin码验证不通过,提示他一个错误信息:由于您未确认联系信息,因此您的网页上将展示公益广告 (PSA)
...

Read More...

google AdSense 渠道设置小结

[ At 2009/1/7 By wukong   1 comments ]

今天对我的google AdSense 渠道进行了一些整理。我的广告点击率一直比较底,但是又不知道需要对那些google AdSense 进行优化或者改动,由于原来我做的站都是一个站使用一个渠道,这样统计时就只能是知道这个站整体情况了,而无法知道每个单元的详细情况。

google AdSense 好像必须通过设置渠道来区分统计信息,我对我的google AdSense 渠道规划成了三级渠道:站点、页面、广告单元,然后对于单个广告单元对应三个渠道,例如我在www.rudangshenqingshu.org 首页放了一个横幅长条广告,这个广告单元我设置对应了三个渠道:入党申请书、首页、长条横幅1。这样我就能够清楚的通过渠道“长条横幅1”统计每个单元的点击情况,也可以通过“首页”渠道统计首页所有广告效果,最终也可以通过“入党申请书渠道统计整个入党申请书站的广告情况了。

...Read More...

google管理员工具中错误: "您已指定 www.xxx.cn 作为此网站的首选域名。 此域名的信息可能还不够完整。" 的解决办法

[ At 2008/12/7 By wukong   0 comments ]

刚查看google的管理员工具,发现我的站点上仍显示一个提示信息“您已指定 www.pt6.cn 作为此网站的首选域名。 此域名的信息可能还不够完整。 请为该网站 www.pt6.cn 添加更完整的信息。”原本我添加这个站点时没有带上www,而是直接输入了pt6.cn添加了验证,通过后我又设置www.pt6.cn作为首选域名,单是一直显示这个错误提示,原以为过一段抓取正常就可以了,没想到过了几个月了,还是这提示。虽说不是错误信息,仅是提示,但总感觉不爽。

...Read More...

近期我的站在google的情况统计

[ At 2008/12/7 By wukong   0 comments ]

近期google对我的几个站收录情况不太稳定,其中影响最大的就是www.pt6.cn图片站了,这个站本来收录情况挺好,google已经收录了6000多个页面,但是最近一段不知道为什么,收录量一直下降,降得还很厉害哦,截至今天为止,已经到2300了,郁闷。据其他朋友说,最近google的收录都在下降,他们的站也都下降了,但是我感觉应该还是自己站的问题造成google收录下降吧,因为我另外一个电影站收录不降反升,已经达到11800了哦。

...Read More...
分页:[«]1[»]

日历

<< 2019-7 >>

Sun

Mon

Tue

Wed

Thu

Fri

Sat

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

Powered By 空空如也 

Copyright 2018 www.7es.cn . Some Rights Reserved. Email:iamwgh@msn.com
网站备案:豫ICP备18012221号-1