一、抓取：百 度抓取网页的工具叫做蜘蛛Spider，这个比喻十分形象，百度蜘蛛或者叫做百度爬虫，在互联网上这张大网上爬行，顺着网页中的超链接，从这个网站爬到另 一个网站，通过超链接分析连续访问抓取更多网页。被抓取的网页被称之为网页快照。由于互联网中超链接的应用很普遍，理论上，从一定范围的网页出发，就能搜 集到绝大多数的网页。然后过滤掉低质量、重复甚至是同质化内容，即石榴算法。 过滤：2013年5月，百度推出“石榴算法”，过滤掉采集，同质化以及低质量页面。稀缺度越高越容易被抓取。 二、收录：搜 索引擎抓到网页后，还要做大量的预处理工作，才能提供检索服务。其中，最重要的就是提取关键词，建立索引库和索引。其他还包括去除重复网页、分词（中 文）、判断网页类型、分析超链接、计算网页的重要度/丰富度等。然后通过比对去重步骤，（将重复或者没有更新的网页从数据库删除，然后通过先进先出的规 则），分词（通过将页面拆分成一个一个词语，去掉形容词、动词、助词等无用内容，然后将剩下的词从互联网中找出出现频率，将中频词与数据库中其他类似页面 词语进行比对，从而保留新页面或者更新后的旧页面。 三、排序：排 序就是关键词排名。这也是SEO从业者以及企业老板们最为看重的因素，也是SEO从业者的终极目标。（对于老板而言，转化率中的订单量才是对电商 部门的终极要求）。百度根据每个页面的标题，判断内页相关度以后，通过大约一百四十项因素评分以后，会列出某一关键词的排序。 搜索引擎的数据库分为高质量、中质量与低质量三种。高质量索引库的页面也符合 二八原则，大约占整个互联网页面的20%，却能够满足80%的搜索引擎用户需求。中低质量索引库里的页面，在一般情况下，是不会参与关键词排名的，或者排 名在三十或者百名以后。但是，在某些冷门关键词，在高质量索引库中没有找到结果的，则会从中低索引库中提取关键词并展示出来。 影响百度收录的因素： 1.百度对于老域名网站，收录较快对于新域名网站，以及老域名却被K过的网站收录较慢。 2.主页比内页收录快，新网站刚上线情况下，一般主页会在半个月内实现收录，而内页最迟则会一个半月到两个月才被收录。就要检查未被收录的页面的质量，去丰富这些页面的内容。 3.当内容质量特别高，特别稀缺，理论上是可以实现秒收录的。 4.新闻资讯类网站，通常原创首发的稀缺类网页，尤其是热点新闻，通常都是接近于秒收。相应的，企业站产品页面由于不是热点，收录速度比热门资讯类更慢。 5.网站权重影响收录。权重是搜索引擎对于网站的评级，百度的权重对应的是谷歌的PR值，PR全称page rank，即网页等级的意思。网站权重通常是由0-10，11个评分等级构成，而网站权重又由主页权重和每个页面权重共同组成，某种意义上讲，网站权重可 以大致理解为网站所有页面权重的平均值。因此，网站整体权重高的内页，收录比权重低的网站要快的多。所以，企业类网站内页页面的收录通常会受类型不是热门 事件以及网站整体权重比资讯类页面低的双重因素作用下，收录要慢得多。 《战国策四》中记载着一个有名的故事，叫做南辕北辙。意思就是说，一个人在努力，准备再充分，选择错了方向就会南辕北辙，有付出却没有收获。每个SEO从业者，以及想要了解SEO的人们，只有先了解了搜索引擎的工作原理，才能保证所有的努力都作对了方向。