蜘蛛每天抓取的页面非常非常多，但这么多的页面谷歌不可能全部保存。Google收录了你的外贸网站后，会通过它的预处理也称索引机制，将蜘蛛所抓取到源代码数据中的核心关键词信息挑选出来，那么问题来了，谷歌是如何抓取信息的呢？

提取文字

蜘蛛抓取的页面中包含很多源代码，预处理要做的事情首先是先把代码中的文字信息提取出来，包含标签文字、图片替代文字、链接锚文字、正文。

去重复页面

大多网站，往往将一个产品覆盖很多关键词并重复发布，几乎产品的详情页都是一样的。但这种方法并不适用于谷歌，因为当用户在搜索浏览前几页内容时多次看到同样的内容，对用户的体验会很差，谷歌是不会对重复内容重复收录的。

消除噪声

在网站的页头、导航、正文、页脚中会存在大量的重复内容，在这些页面中几乎都会有相同的源代码，谷歌会把重复的内容去掉，只留下不重复部分。

过滤停止词

在提取的文字信息中会包含很多例如the,a,an,to,of的词，这些词就像我们中文的啊、哈、呀的感叹词，出现频率很高，但有没有都不会影响内容中的主要意思，这些词称为停止词，也会被过滤掉的。

从这些过程中，谷歌可以判断你的网站质量。江门市华企立方科技有限公司主要经营：网站建设、高品质的网页设计、网站推广，搜索引擎优化，SEM，SEO，域名注册、空间租用、网站推广、虚拟主机、朋友圈广告，腾讯新闻，今日头条等新媒体广告、企业vi营销策划，外贸多语种网站推广，Google推广等服务。

（本网站图片，文字来自网络，如果本网站展示信息侵犯您的版权或其他合法权益，请及时通知我们，本网站将在及时删除处理。）