下面是一篇来自松松博客的一篇文章，原标题《一个纯采集站长的SEO、采集、运维总结》，其中有一大部分总结的非常对，博主把采集的技术部分删掉，重新整理，转载这篇文章。

原创好还是采集好?

当然是原创好，因为百度是这么说的，谁叫人家是裁判。

为什么我原创了很多文章，还是不收录?收录了没排名?

一个搜索引擎，它的核心价值是要为用户提供他/她最需要的结果。搜索引擎是有统计网民需求的，对于网民需求量小或者几乎没有需求的内容，即使你是原创也可能被搜索引擎忽略，因为它不想浪费资源在无意义的内容上。

对网民需求量大的内容，收录应该会比较多、比较快，但是，正因为收录多，即使你是原创，也可能很难挤进排名。

搜索引擎统计网民需求以什么来标识?

关键词。每一个人搜索一个关键词时，就表明他/她对这个词相关的内容有需求。而且，使用搜索引擎的人，通常是有问答需求、检索查询需求。当然搜索引擎内部肯定有非常庞大的分析系统，对这些需求进行精确的定位，详见百度指数。比如搜索的关键词是“手机”，很有可能是想要买手机或者查某款的价格，也可能只是想要下载漂亮的壁纸。但是，如果是想要壁纸，就会有更精确的关键词“手机壁纸”，以下拉框或者相关搜索的形式呈现出来。
既然原创好，为什么要采集?

1. 虽然原创好，但只要方法适当，采集的效果并不会比原创差多少，甚至比没掌握到方法的那些原创好很多。

2. 精力有限，原创很难保证长期大量更新，如果请个编辑，投入产出比可能是负数。

模板设计应该注意哪些细节?

1. 权重结构顺序。整个页面的html中(注意是html，而不是显示出来的版面)，越靠前的位置，权重越高。由此引申出来，“title”、keyword、description三个标签，因为最靠前，权重最高。其次通常是导航，也是基本上是最靠上的，权重也非常高。再次就是文章标题和正文。这是根据html的前后来排序的。

2. 因为搜索引擎首先要遵循W3C标准，所以，W3C定义的一些本来就是用来表示重要信息的标签，权重自然就高，比如，特别是h1，用来表示当前页面最重要的信息，一般每个页面只能有一个，其权重估计与title相当，也通常是用来放当前页面的标题，当然也有为了提高首页权重，用h1来放置logo或首页链接，都是可以的。另外还有em、strong这样的标签，用来表示强调，一般认为strong权重高于标签，同样也是加粗作用，但我们认为从SEO的角度看是没有权重加强的。

3. css或者js代码对搜索引擎来说通常是无意义的，尽量使用单独的文件来存放，或者在允许的情况下放到html尾部去
网站结构规划应该注意哪些问题?

1. URL设计。URL也是可以包含关键词的，比如你的网站是关于电脑的，你的URL中可以包含“PC”，因为它在搜索引擎眼里通常是“电脑”的同义词。URL不要太长，层次尽量不要超过4层，这个就点到为止。

2. 栏目设计。栏目通常是与导航相关联的，设计时应该考虑网站整体的主题，用户可能会对哪些内容感兴趣，栏目名称最好是网站的几个主关键词，这样也方便利用导航的权重。

3. 关键词布局。理论上每一个内容页都应该有它的核心关键词，同一个栏目下的文章，尽可能围绕栏目关键词展开。一个简单粗暴的办法就是直接用栏目关键词的长尾词。

动态、伪静态、静态，这三者哪个好?

这个不能一概而论，推荐使用伪静态或静态。这三者的区别，是是否生成静态文件，以及URL格式是否动态。生成静态文件，本质上是为了加快访问速度，减少数据库查询，但会不断增加占用空间;伪静态只是通过URL重写修改URL，实际上还是每次都要经过程序运算、查询数据库再输出页面，对加快访问速度完全无效。动态与伪静态的差异只在于URL，带问号加参数。

所以关注两个点就好：网站打开速度是否够快?你是否需要节约服务器空间?

不同的网站程序，数据库操作的效率可能不同。一般来讲，内容页数量在1万以内的，页面打开速度都是比较快的，数据量更大一些，达到5万、十万甚至更多，通常就要考虑静态化了。

有哪些途径改善访问速度?

1. 上面已经说到的静态化。

2. 通常很多网站模板中都有随机调用文章或者类似的版块，事实上对数据库来说，随机是一项比较重的负担，在模板中应该尽量减少随机文章的调用。如果不可避免，可以考虑从数据库上优化，对有索引的字段排序通常比没有索引要快很多。

3. 将图片、js、css等不经常修改的文件，放到专用的静态服务器上，多个js、或者多个css能合并的尽量合并到一个文件，减少http连接次数。
4. 使用各类云加速产品。对普通网站来说，免费的百度云加速或者360的云加速都还可以。

文章比较多，网站已经开启静态，但是每次全站更新都要花很长时间怎么办?

我的做法是使用缓存机制，这里只提供一个思路，可能需要自己二次开发。

网站设定为伪静态，每一个请求到达时，程序检查是否存在对应的缓存html文件，如果该文件的生成时间是多少小时或几天以前，我们判定它需要更新，这时候执行正常流程，程序查询数据库，生成html后，写入到缓存文件，再输出到客户端。

当下一次访问到达时，比如1分钟以后又来一个访问相同页面，再次检查缓存文件时间。从时间上可以判断文件非常新，完全不用更新，则直接读取文件内容输出到客户端。这样每个页面都可以实现自动生成，也只有第一个访客会感受到速度慢，后面的访客访问时都相当于是静态访问，速度是非常快的。

如果是独立服务器，还可以考虑自动检测服务器负载，如果负载本来就高，那就算判断出来需要更新，也暂时不更新，改为直接输出。

图片是引用远程网址好还是放在自己服务器好?

这个也是各有优劣。引用远程网址，可以节约自己的带宽，但很可能会因为对方服务器缓慢、或删除资源、或防盗链，图片无法显示。如果下载到自己服务器，当然一切都自己掌控，但是图片会非常占用空间，总体上可能比生成静态所占的空间更大，而且如果访问量大，图片是最吃带宽的。

网站内链应该怎样优化?

内链是百度官方推荐的优化手段之一，所以这是一定要做的。通常表现的形式是正文中出现某个关键词，给这个关键词加上一个链接，指向另一个正好是这个关键词相关内容的页面。因此就诞生了一些所谓的优化手法，强行在正文中插入一些关键词和链接，以此进行类似互推的操作。还有的为了提高首页权重，到处都放上网站名称，并做上首页链接，以为这样可以提高目标页面的权重。但是这些很可能都是适得其反，因为搜索引擎会统计每个链接的点击率。如果放在醒目位置点击却很少的链接，有可能会判断为作弊。所以，请只在正文中本来就有的关键词上做内链，就可以了。

段落重排、句子重排、同义词替换这些伪原创手法到底好不好?

不好。因为搜索引擎已经智能，已经不是简单的数据库检索，它会自然语义分析(详情请搜索“NLP”)，凡是语义解析比较困难的句子或者段落，它是可以判断为可读性差的，所以我认为这些“伪原创”可能是自作聪明。

评论模块基本上没有人用，该要还是不要?

要。评论模块最头疼是事情是垃圾评论，通常真正发言的访客很少，垃圾评论一大堆，整天和营销软件斗智斗勇。这里提供一个我已经实现的方案，对收录可能有一定帮助(没有依据的，只是猜测)：

保留评论框、但禁止评论。所有评论由自己的网站程序生成。前面提到搜索引擎会自然语义分析，其中有一项重要的能力，就是情感判断。搜索引擎会计算每条评论的情感值，是positive(积极)还是negative(消极)，具体倾向是10%还是90%。如果评论内容表达的是积极情感，则可以给你的正文加分，反之则减分。至于怎样自动生成积极的评论，就八仙过海各显神通吧。

这是在网络社交发展起来后的必然趋势，用这种方式来反映一个页面的用户体验度。同理还有分享、点赞等，原理类似。

绿萝卜算法之后，外链到底还有没有用?

有用。参见搜索引擎三定律之相关性定律。既然是定律，就不会改变。谁的内容被引用得多，谁就是权威。在主动推送出现之前，外链应该算是蜘蛛认识一个页面内容的第一渠道。

外链一定要锚文本或者裸链吗?

不是。搜索引擎肩负重任，要努力发现真正有价值的东西，排除那些没价值的东西。所以有可能你直接提交的链接没收录，在别人地方随便发个纯文本网址，被它发现了，还计算了加分。

除了锚文本和裸链，还可以用关键词+网址的形式发纯文本。这样在网址前面的那个关键词是会自动与该网址关联的。

还有，有些链接虽然加了nofollow属性，但是在百度计算外链的时候，还是会计算的。

收录和索引到底什么关系?

收录表示蜘蛛来抓取过、分析过。索引表示蜘蛛分析之后，认为内容有一定价值。只有进入索引的内容才有可能出现在搜索结果中，展现给用户。也就是说只有索引的内容才有机会带来流量。