——————————update 2018.4——————————————

已招到！

——————————update 2017.11——————————————

还缺一人。。

We Need You!

发一则招聘，南京地区

招SEO，比较着急。

公司：house365

人数：1

要求：一年以上SEO工作经验

大站SEO操作的机会来了，筒子们有简历请发simonsww@qq.com，注明来自博客。

斗牛NLPIR中文分词工具V1.1已发布，本分词工具采用NLPIR2014最新版。可直接对文件夹里所有文件自动分词，提取关键词（包括对未登录词的识别），支持词性标注及自定义词典。

软件特色：

1、支持对目录级别的所有文件直接批量分词

2、支持批量提取多个文件里的关键词，带权重值输出（此值非TF-IDF，而是交叉熵），包含新词（未登录词）识别等

3、支持分词结果的词性标注，如人名、地名、机构名、数词、时间词等等。

4、支持用户自定义词典，在\dat\userdict.txt里添加

使用方法：

1、将待分词的文本都放入到一个文件夹中

2、直接拖动文件夹至软件窗口或浏览到对应目录

3、点开始运行或提词。

温馨提示：待分词的文本编码需为ANSI，否则可能会出现乱码的情况。可用notepad++打开后，右下角状态栏提示编码。

软件截图：

软件下载： www.douniu.la 已集成至斗牛SEO工具中！

斗牛SEO工具VIP版V11.1发布了 -SEOer的瑞士军刀！

斗牛SEO官网：www.douniu.la 官方售卡系统（全自动发货）：http://www.douniu.la/sale.php

[VIP开通流程]：去官方的售卡系统购买注册卡（目前为三种，季卡、半年卡、年卡），然后下载软件，在软件界面注册开通VIP账号，有疑问可联系客服QQ：604886421

购买VIP后可进入斗牛SEO工具高级群！

公开QQ群：145876858     106983747

写在前面：实行付费功能后，斗牛SEO工具VIP版进入常态化更新，保证一直可用；同时斗牛SEO工具包含的会越来越多，不仅仅是目前的这些工具，会根据作者本人或大家的工作需求等等因素，陆续发布上来，成为VIP后可一直使用，绝对是目前性价比最高的SEO工具。

所有软件全部采用数字签名的方式发布，可以通过右键–属性–数字证书查看到作者信息。如果没有相应信息的，一律为破解版，相应大家能够辨识吧。
工具收费的目的是为了能够让斗牛延续下去，否则实在是没精力更新了，当然收费也是极低的。。。

备注：VIP版即使不付费也可以使用大部分功能，不过查询数量上会有所限制，具体请参照软件说明，VIP则无任何限制。

目前发布的是11个工具，故VIP版本号从11开始。。。

V11.1更新日志：

一、【关键词排名批量查询工具】
升级至V7.1
1、网页访问方式更改为curl
2、添加自动换ip功能，如遇验证码会随机选择一条代理ip
3、添加一词对应一个URL查询模式，即外推专用版，免费用户有查询数量限制
4、改善界面底部的TOP数字长度
5、修复之前6.2版本的bug，及功能改进等等

二、【URL收录批量查询工具】
升级至V4.0
1、网页访问方式更改为curl
2、添加自动换ip功能，如遇验证码会随机选择一条代理ip
3、修复3.2版本的小bug

三、【百度竞价长尾词拓展工具】
升级至V4.0
1、添加长尾词必须包含种子词的功能
2、添加获取结果实时写入到本地文件的功能，尤其适合对大量数据的长时间采集，免费版无此功能。

四、【百度商情长尾词拓展工具】
升级至V3.0
1、添加提取指数功能，获取的长尾词自带指数数据，免费版无此功能。
2、完善获取结果实时写入到本地文件的功能，方便大数据量处理。

五、【爱站关键词工具】
升级至V4.0
1、网页访问方式更改为curl
2、添加自动换ip功能，如遇验证码会随机选择一条代理ip
3、部分功能的优化

六、【中文分词工具NLPIR】
升级至V1.1，免费用户无法使用
分词工具采用NLPIR2014最新版
1、支持对目录级别的所有文件直接批量分词
2、支持批量提取多个文件里的关键词，带权重值输出（此值非TF-IDF，而是交叉熵），包含新词（未登录词）识别等
3、支持分词结果的词性标注，如人名、地名、机构名、数词、时间词等等。
4、支持用户自定义词典，在\dat\userdict.txt里添加

七、【http状态码批量查询工具】
升级至V3.0
1、网页访问方式更改为curl
2、修改内部访问逻辑，提高查询效率，及提升稳定性

八、【PR/SR/BR批量查询工具】
升级至V3.0
1、完善返回数据可能为空的情况

九、【页面URL一键提取器】
升级至V3.1
1、添加常用正则的选择列表，更简单易用

十、【百度SERP标题描述预览工具】
升级至V2.0
1、修复之前版本的失效问题
2、添加了百度SERP结果位置的上下移动功能，可对比竞争对手的预览展示
3、去掉了对谷歌的预览功能，基本无人使用

十一、【文章原创度批量检测工具】
升级至V1.1
1、小幅更新，修复针对单篇文章的检测，当提取字段数为0时，会发生崩溃的现象。

十二、【百度指数批量查询工具】
升级至V4.0
因时间问题，暂未添加上，下个版本加上。

NLPIR汉语分词系统（官网：http://ictclas.nlpir.org/）

NLPIR汉语分词系统(又名ICTCLAS2014),主要功能包括中文分词；词性标注；命名实体识别；用户词典功能；支持GBK编码、UTF8编码、BIG5编码。新增微博分词、新词发现与关键词提取。

中科院的NLPIR分词系统应该是目前公认做的比较好的，支持自定义词典、支持批量分词、关键词提取、词性标注、文章指纹识别，2014版本添加了新词(未登录词)的识别等。

之前因为准备用里面的一个接口，找了一番发现其官方并没有提供易语言的api接口文档及源码示例。。。很多人对NLPIR分词系统还是很有需求的，所以制作了一个易语言的模块，封装了最新2014版的所有接口以供调用。

1、关键词提取接口：NLPIR_GetKeyWords()、NLPIR_GetFileKeyWords()这两个接口，分别为从文本中提取关键词和从文件中提取关键词，支持指定数量的提取和TF/IDF权重的输出，用来做tag标签啥的，比较合适。

2、指纹识别接口：NLPIR_FingerPrint()返回的貌似是一个多维度十六进制的向量，可以用在检测文章相似度上面，比如计算两篇文章指纹向量的余弦相似度；或者对采集的多个文件进行去重等等。而且这个分词系统支持多线程，大批量运行应该没太大问题。

3、新词识别接口：除自己定义的词典，此接口支持将识别到的新词自动导入到自定义词典中。里面新词识别接口有2个，建议使用后添加的NLPIR_NWI_Start() API.

4、关于用户词典和核心词典中同时有的分词词汇，谁优先? 可以在data/Configure.xml中设置

中科院分词模块.ec    下载地址: http://pan.baidu.com/s/1mgqMfrE  密码: h1a5

模块使用很简单：

1、去官方下载通用的NLPIR/ICTCLAS2014分词系统下载包（2014.3.24发布的），并解压到本地，只需要里面的NLPIR.dll（要找一下）和data目录文件即可

2、之后直接用易语言调用模块即可，如果不会用模块调用，请注意看模块里的每个参数说明，或查看官方的接口文档说明。

最近发现新浪SAE平台上竟然也提供分词功能，分词效果也还不错，由新浪爱问提供的分词服务，研究了一番，做了一个简易版的在线调用接口（get方式，非post）

官网说明：http://apidoc.sinaapp.com/class-SaeSegment.html，SAE分词系统基于隐马模型开发出的汉语分析系統，主要功能包括中文分词、词性标注、命名实体识别、新词识别。

调用规则：http://simonfenci.sinaapp.com/index.php?key=simon&wd={语句}

（返回结果里包含分词词性，随便用个程序语言处理一下就行了，详见：http://apidoc.sinaapp.com/class-SaeSegment.html#POSTAG_ID_UNKNOW）

只需要改变URL中的{语句}参数即可(编码为utf-8)，因为是get方式传参，语句不能太长；也可以根据官方的api文档，做个简易的post方式。

另推荐几个分词系统：

1、Python的结巴中文分词系统（推荐），demo：http://jiebademo.ap01.aws.af.cm/ ，下载地址：https://github.com/fxsjy/jieba

2、中科院ICTCLAS中文分词系统，支持C/C#/C++/JAVA,32/64都有其对应的版本，有开发能力的可以尝试一下。

3、海量云分词系统demo ，分词效果也不错，可以申请到api接口，官网：http://www.hylanda.com/show_5_19.html

推荐阅读：

Continue Reading

此代码为自用log一键分析日志脚本，使用工具为Cygwin，各位可参照修改其中参数。

使用方法很简单：直接复制到Cygwin，回车执行，总体运行效率还是可以的，各个要素都有数据文件输出。
———一键代码 日志拆分by simon ——

更新日志：

3月18日：添加排除特征库代码（考虑到某些日志文件里会有很多干扰数据的原因）

1月5日：建立版本V1.0

—日志先清理##字符串，全部替换为空，用sed替换掉，代码如下

cat *>rz.log
sed -e ‘s/##/ /g;s/ 115.238.101.227//g;s/ 112.25.11.14,//g’ rz.log >rzql.log
[说明]：-e代表多个规则，s/X1/X2/g中为语法,X1为替换前字符串，X2为替换后，多个规则用;代替。

[我的log标准日志格式为，可自定义]：
123.125.71.77 – – [25/Dec/2013:00:01:17 +0800] “GET /URL HTTP/1.0” /database/webroot/showthread.php 200 11057 “-” “Mozilla/5.0 (compatible; Baiduspider/2.0; +http://www.baidu.com/search/spider.html)” 172.17.1.101

特征库：（排除监控代码、局域网IP、服务器IP等）
– – – \[(.*?).*
.*jiance.php .*
42.121.107.149
112.25.11.14,
115.238.101.227
101.226.4.1.,
123.126.50.183,
123.151.42.48
172.17.1… #服务器局域网的IP范围匹配# Continue Reading

对于seo新手来说nofollow标签的概念可能比较模糊，片面化，不过我们需要做的就是明白此标签的意义以及如何使用它即可。

如一个链接代码为 <a href="signin.php" rel="nofollow">注册</a>

那么就告知搜索引擎不要去追踪这个链接，不抓取这个链接，且不传递PR值。

如果A网页上有一个链接指向B网页，但A网页给这个链接加上了 rel="nofollow" 标注，则搜索引擎不把A网页计算入B网页的反向链接。

nofollow标签怎么用？

如果需要对某个链接做nofollow：以下操作，即进行了 nofollow：

<a href="http://www.baidu.com/"  rel="nofollow" >顶顶</a>

如果我们需要对整个页面所有链接做nofollow？

在页面的头部，里加上元标签 <meta name="robots" content="nofollow" /> 即可。

同时对于一些无排名需求的页面，我们都可以用nofollow来操作。

Continue Reading

看到这个标题可能不少人是嗤之以鼻的，您还以为是90年代？~~不，今天我们讨论的是URL过多参数带来的次级影响，而非这个url本身.

URL中过多的参数是否会将google蜘蛛带入抓取死循环？

答案是肯定的，不过有一个前提，你的GA代码里的trackpageview开启了自定义页面（即虚拟页面）。

经过一段时间的研究发现，google确实会发生此种情况（百度对GA的JS应该是直接跳过的，根本不理睬~）。上次曾写过一篇此类的问题：关于GA代码里的trackPageview的url问题，代码404？ 当时以为是因为格式符合的问题，目前看来不是那个问题，而是google自身的问题。

一般意义上，随着搜索引擎技术的发展，常规的url，即使有10多个参数，搜索引擎也是能够抓取的，没有错。百度和google都能做到。

可如果在这些URL拥有很多参数的页面里，JS的GA代码里trackpageview带有一个相对的地址（为了便于数据统计），那么google此时就开始犯傻了。不知道这是否是个bug？疯狂的抓取的这些不存在的页面，造成整个网站数量级上面的404页面，足足有18万之多，而且呈每日3000左右的递增，这让人情何以堪。。。

造成的影响就是，google蜘蛛抓取非常不稳定，收录，来访次数，来自google的流量等等都开始下降。。。

查阅了很多资料，根本找不到相关描述文档。

————————此处后期更新——————————

2013年1月最新更新：经过查阅相关资料，google对于此类页面是有抓取的，无法避免此缺陷  

那么对我们目前来说，如何解决这个问题呢？

1、我们应该尽快将页面的动态形式更改为伪静态化后的，过多的参数也影响的蜘蛛抓取效率。

2、直接取消目前的自定义页面形式，采用默认的即可。（本人不建议此类操作，因为这样修改后，会造成数据缺失，前后数据无法衔接，无法统一分析，属于下下策，bad work）

Continue Reading

对于刚学习seo的人来说，咋听说关键词密度的概念时会比较模糊，因为这比较抽象，无法具体化。

什么是关键词密度？

简单来说就是，你重复出现的关键词总文本长度占网页总文本长度的比例。

看如下的公式应该能明白

页面文本总长度：2149 字符
关键字符串长度：3 字符
关键字出现频率：34 次
关键字符总长度：102 字符
密度结果计算：4.7%
密度建议值：2%≦密度≦8%

chinaz站长工具是建议，在2%-8%之间，这个只是一个大概的建议范围，而在实际应用中往往不是如此。

关键词密度是一个模糊的概念而不是绝对。2-8%、3-7%、低于10%、5%左右这些都可以认为是正确的，我们在建站或者布词的时候，注意稍微增强一下关键词的密度，不用太刻意让页面的每个位置都出现关键词，那样也是得不偿失的。

Continue Reading