SEO內容中，通常叫預處理是索引，這是由于后者是前者的主要的一步。對于蜘蛛抓到的頁(yè)面，不可以查詢(xún)排序，搜索引擎的頁(yè)面是在萬(wàn)億頁(yè)的頁(yè)面中，當進(jìn)行搜索的是偶，用程序不停地進(jìn)行頁(yè)面的分析是不現實(shí)的，因為工作量太大，不會(huì )很快的搜出來(lái)。所以對于里面的東西得經(jīng)過(guò)一個(gè)預處理，給之后的查詢(xún)鋪墊。

與蜘蛛的尋找抓取一樣，預處理也在后臺，當用戶(hù)使用的時(shí)候，覺(jué)不出來(lái)這一步。

提取

目前文字為主要的部分。蜘蛛抓到超文本標記代碼，我們可以在瀏覽器上看到很多的文字，還有超文本標記語(yǔ)言的格式標簽、Java描述語(yǔ)言不能作為排名的。搜索引擎需要的與預處理是從超文本標記語(yǔ)言中去掉上面的兩種內容，提取可以作為排名效果的文字。

提取的內容不僅有字，還有包含這些字的代碼，像Meta標簽的字，圖、Flash文件代替字，鏈接錨文本……

中文獨有的分詞

分詞是中文自己的步驟。搜索引擎的工作是根據詞來(lái)進(jìn)行的。英文中單詞是有空格區分，句子就是多個(gè)單詞。中文詞沒(méi)有分開(kāi)，都是字相連的。所以，搜索引擎需要知道哪些字組成的詞，或者哪些字就是詞。就像“學(xué)習方式”中，“學(xué)習”和“方式”就是兩個(gè)詞。

對于怎樣分詞，是這樣的：根據詞典，根據統計。

根據字典是這樣的，把進(jìn)行比較的文字和字典中的詞條相互比較，將一個(gè)單獨的詞劃出來(lái)。根據掃描的順序，從字典進(jìn)行比較可以分為正向、逆向。根據匹配長(cháng)短的順序，分為了極小、極大匹配。把這兩種混合，成了正向極大匹配等不一樣的方式。

詞典比較很簡(jiǎn)單，準確度是根據其完整與否、增加內容的樣子進(jìn)行劃分的。

根據統計進(jìn)行處理是在使用了很多的文字已有樣式，算出字之間相鄰的統計出現情況，多個(gè)字靠在一起出現的多了，就更容易作為一個(gè)詞。這種的好處是對新詞的處理快，能夠將不對的意思避免。