期殊抓取的原始页面并不克不及直接用于查询排名，须要对其进行必定的处置。 这个处置的进程称为预处置，搜刮引繁预处置的环节是在后台提前完成的，用户搜刮时感到不到这个进程。搜刮引擎预处置共分为六步。视索引擎须处置。涉及到网站优化中的多个环节，是以，控制搜刮引擎预处置的道理，可以更快速地舆解网站优化的各个身分。

(1)提取文字

如今的搜刮引擎照样以文字内容为基本，从网页文件中去除标签、法式，提掏出可以用于排名的网页文字内容。

同时，须要留意，在优化网站时，页面内容尽量以文字为主，便利蜘蛛提取用于排名的内容。

(2)中文分词

搜刮引擎将抓取到的页面中的文字提掏出来后，须要对提掏出的文字进行拆分重组，这个进程称为中文分词。

英文等说话，单词与单词之间有空格作为自然分隔，搜刮引擎索引法式可以直接把句子划分为单词的联合。而中文，词与词之间没有任何分隔符，一个句子中的所有字和词都是连在起的。 搜刮引擎必需起首分辩哪几个字构成一个词， 哪些字自己就是一个词。

进行中文分词时，起首要把网页中提取的文字依照词组进行划分，好比“连衣裙批发”可以分词为“连衣裙”“批发”“连衣裙批发”。

在分词时，对内容没有任何影响却年夜量涌现的词会被搜刮引擎主动过滤，如的、地、得、啊、哦、呀、不只、并且等。

搜刮引擎对页面的分词取决于词库的范围、精确性和分词算法的利害，而不是取决于页面自己若何，是以SEO人员对于分词所能做的很少。独一能做的是在页面上用某种情势提醒搜刮引擎，某几个字应当被当做一个词处置，尤其是可能发生歧义的时刻，好比在页面题目处涌现症结词，或者应用标签强调症结词。

(3)去除反复页面

将分词后的页面进行比较，去除反复内容的页面。

统一篇文章经常会反复涌现在分歧网站及统一个网站的分歧网址上，搜刮引擎并不爱好这种反复性的内容。用户搜刮时，假如在搜刮成果页排名靠前的地位看到的都是来自分歧网站的统一篇文章，用户体验就会很差。对于搜刮引擎而言，更偏向于网站更新高质量的原创内容，如许做相符搜刮引擎的根本原则。

搜刮引擎偏向于原创，是以，SEO人员应当知道简略地增长“的”“地”“得”、更换段落次序这种所谓的伪原创，并不克不及逃过搜刮引擎的去重算法。优化网站时，更新高质量的内容才是真谛。

(4)盘算网页主要度

搜素引擎会依据网页的被指向链接数及页面的原创性两个身分综合断定，盘算出页面的主要水平。

是以，为网站增长指向链接、进步页面的原创度，是SEO人员应当看重的内容。

(5)树立索引

树立索引，是树立症结词与网站扶植页之间的对应关系。树立索引的最年夜利益在于可以快速获取对应的数据。简略来说，搜刮一个症结词后，搜刮引擎可以或许在很短的时光内将所有相干的内容进行展示，依附的就是提前对页面树立了索引。