關於網站文章內鏈的一個思路

仲介交易 HTTP://www.aliyun.com/zixun/aggregation/6858.html">SEO診斷 淘寶客 雲主機 技術大廳

內鏈：顧名思意就是在自己網站的內容中的相關文字加入連結，並且連結到網站內部的相關頁面。 合理的網站內空連結構造，能提高搜尋引擎的收錄與網站權重。 相對外部連結，內部連結也很重要。

傳統方式

以前我們做文章系統或新聞發佈系統的時候，做文章內鏈(標籤)的時候，通常是通過以下方式來實現的：

資料庫：article(文章表)欄位(id， title， body， adddate， userid)，keyword(內鏈表)欄位(id， name， link)

在發佈文章的時候，迴圈內鏈表內的所有，來替換文章的body。

這樣確實是實現了想要的功能，但是如果我們的內鏈表的資料達到很大的數目，比如2W、5W或更多的時候。 每發佈和修改一片文章的效率是可想而知的。 那麼網易的新聞、百度的百科等這樣打大型網站是如何實現的呢?如果按照以上的做法，那系統在幾個月後就直接崩潰了。

分析比較

一篇正常的文章會有多少字(不計HTML代碼)?1W?我想1W的文章已經算是很長的了，而且想在如果直接在一個頁面顯示1W的文章相信沒有幾個人有耐心能看完的。 為了頁面美觀和使用者體驗，編輯通常都是將內容過多、篇幅超長內容的文章分段處理(分為幾篇文章，或分章節)。 如果我們能事先將可能出現內鏈的字從文章中提取出來，再從資料庫裡檢索，這樣效率是不是就可以得到很大的提高?答案是肯定的。 我們就拿1W字的文章來說，假設文章的所有文字都需要內鏈，迴圈的次數是1W次。 比上面的例子假設要強得多吧?

在傳統方式中，不管你要不要，把內鏈表的東西全查一邊。 而下面這種思路是事先將有可能出現內鏈的字詞全部整理出來，再用這些詞分別去檢索內鏈表。 這樣一比較問題就出來了。

新思路就是：從文章中取出需要內鏈的字詞，然後去查詢內鏈表。

可行操作

我們暫且把傳統方式稱為被動方式，把新思路的方法稱為主動方式。

主動方式的實現方法如下。

利用中文分詞技術，我們可以對一篇文章進行分詞。 然後根據分詞後的詞表，過濾掉常用的物主代詞、副詞、感歎詞等。 把名詞、品牌、地名、商標等留下，或者根據自己的詞庫表來分詞。 然後把剩餘的字詞去檢索內鏈表，如果有存在，我們就做上連結，不存在就PASS。

以上只是思路的一個初步構思，在實際實現過程中需要考慮的因素很多。 我覺得重點就在分詞這個環節。