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：
- 竞争对手词库
- 第三方工具，如 5118
- PPC 或者其他流量渠道的关键词
抓取的工具也有很多，比如：
- 火车头
- Python - scrapy
- 开发支持
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：
- 搜索引擎的搜索框提示词
- 搜索引擎的相关搜索词
- PPC 的扩词工具，如百度推广助手的关键词工具，Google Keyword Planner Tool.
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。
最后
如果对 SEO 词库有任何问题，欢迎留言交流！
或者希望我分享什么话题，也可以留言。
文章来自：阿里国际站张亚楠 返回搜狐，查看更多
责任编辑：