Python与SEO 词库完整指南¶

之前讲到了 SEO 频道，其中极其重要的一步，就是词库的建立了。

词库的整理和收集，一方面可以根据关键词获取到精准的、大量的流量，另一方面也可以了解用户的需求，方便第二步的模板设置。

关键步骤

SEO 词库一般有以下几个关键步骤：

第一步关键词抓取

关键词抓取一般有以下几个来源：

抓取的工具也有很多，比如：

不过需要注意的是，抓取工具一定要支持往下一层抓取（也叫深度抓取），而不能仅限于源页面的抓取。

第二步关键词扩展

抓取一批数据之后不要急着过滤和使用，要先扩展一批。

这里可以借用搜索引擎的能力和工具进行扩展，有以下几个方式：

扩展一大堆关键词之后还有非常重要的一步，就是关键词分析，整理关键词组合。

首先，通过分词和整理，可以拿到关键词的词根，以及对应的搜索量。

其次，手工把每个词根对应的关键词组合整理出来，并加上搜索量和出现次数

最后，就是考虑这些关键词怎么应用。如果关键词组合的搜索量特别大，而且主题明确且独特，是建议单独开设一个频道，比如「城市」+ 天气。而对一些比较零散，无明确规则的关键词，则是需要添加到 SEO 频道，比如 “杭州八景”。

借用一张 GoGo闯博文中的一张图：

注：GoGo闯有一篇讲关键词分析的文章，这里推荐一下《【如何搭建SEO词库？】SEO关键词分析》。

第三步关键词过滤

SEO 入库前还需要进行过滤。以下关键词过滤的具体规则（应该是中文最全的规则了）：

单复数过滤，比如 led light 和 led lights
前后顺序调整过滤，比如 led light 和 light led
空格处理，其中包含首尾空格去除、多个合并为一个
特殊字符处理。除了字母和数字外的其他符号，都是特殊字符
大小写处理。一般是全部转换为小写
年份替换，比如 2016 替换为 2018
去停止词后去重。一定要注意，先去停止词之后再去重，比如 “南京天气” 和 “南京的天气”，这样就可以过滤掉
黑名单过滤。这里可以过滤掉包含黑名单里的关键词，而黑名单可人工维护，比如最近的一些敏感词
违禁词过滤，比如政治类敏感词、侵权品牌类关键词
结果数和相关性档位过滤。根据搜索结果进行过滤，比如相关性档位为 3 的产品少于 20 个，页面就不会创建（或自动添加 noindex）
纯数字, 字母过滤。对中文站来讲，纯字母的关键词比较偏向垃圾词，对英文站则不然
语种过滤。中文站需要排除掉其他语向的关键词
长度过滤。可以过滤掉过长或过短的关键词
单词数过滤，可以过滤掉一个单词，或者超过3个单词的关键词

注：上述很多规则来自阿里内部的关键词过滤工具中的功能。

第四步补充字段 & 入库

入库时除了关键词以外，还需要补充相关的字段（对应每个数据库字段）

一般有以下数据：

关键词
行业分类，比如属于 3C 行业
关键词类型，比如是 price 类
添加时间
修改时间
添加人
搜索量
百度 / Google 结果数
分词结果，比如 “南京|旅游|攻略”

第五步清理 & 优化

清理是为了剔除掉低效的页面，保证频道的效率。比如近一年内没有任何流量的页面。
优化是精细化的运营，比如有一批页面一直未抓取，则添加一批内链促进其抓取；或者排名在第二页但仍有流量，则需要稍微给一点内链帮助其上升到第一页

其他高级功能

随着词库规模的扩大，会遇到更多问题。这些都是考虑和解决的。

聚类。可以解决页面重复的问题，提高频道效率。
分类。可以根据不同的关键词类型，使用不同的模板，以更好的满足用户需求。
倾斜。根据搜索量或者转化率，资源向部分页面倾斜。

站群的词库

最后多说一点，我也做过站群的词库。

在站群项目中，内容、抓取量、链接资源都是极其有限的。这个时候，词库就显得极其重要。

一个好的词库，比一般词库的效果要好上几十倍。

而好的词库，甚至不惜人肉整理。几万个关键词人工筛选。

凡本网注明"来源：XXX "的文/图/视频等稿件，本网转载出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。如涉及作品内容、版权和其它问题，请与本网联系，我们将在第一时间删除内容！
作者: 阿里国际站张亚楠来源： https://www.sohu.com/a/287934039_100143190