- A+
@ 2016年9月9日
为满足查询效率，搜索引擎多采用倒排索引的存储方式，即关键词为主键，映射多个与这个关键词相关的网页，每个网页都是这个主键对应的值。
首先可以肯定，在库里，一个词对应多少个相关网页，这个数量是有限额的，不可能1亿个网页标题都包含这个关键词，它就都做上映射关系，肯定得在限额内，计算页面质量最好网页做上映射关系，
从上面两点似乎可以推测：如果一个网页上的主关键词，包含这个词的其他网页越多，则这个页面被收录的概率越低。
所以，新网页标题不一定非要包含众所周知的、非常有规律的搜索词。
@ 2016年9月15日
百度历史搜索缓存，用户输入某个查询词，点击触发“百度一下”后，查询的记录以cookie的形式存储到本地电脑上。
这些查询记录也会上传到百度的记录中，因为不同电脑同账号登陆仍会显示搜索缓存。
如果我们对流量进行区分，针对各类流量分别植入满足对应搜索需求的搜索缓存，当他们进行二次搜索时，恰巧看到搜索缓存，可能会产生点击，达到引流的效果。
虽然这种引流不是直接性质的，可能给1万个用户植入，最后引流过来的可能就10个，1%的转化。但是这种方式成本很低啊，且引流过来的人都是通过点击植入的缓存词进来的，所以都是精准流量。
@ 2016年9月18日
某位同学看见“历史搜索缓存”的文章留言，之前使用过这个方法，忽然某天自己无意间发现之前的植入缓存代码失效了，然后没多久网站就被K了~~
@ 2016年9月23日
最近做新的单站，需要抓新闻源内容，但新闻源网站众多，模板各不相同，对每个站单独配置采集规则太麻烦，需要一种通用爬虫的解决方案，用于不同模板网页正文的抽取。试了下readability正文提取算法，效果还不错。
@ 2016年9月24日
前几天看了一篇公众号文章，主要是推测未来赚钱机会的，且这些机会与站长、SEO出身的有很强的关联性，确实给了我不少的启发。
于是我对这篇文章产生了两个态度，第一是这篇文章触动了我，第二是我只会收藏但不会转载，为什么？因为害怕被朋友圈中执行力强的人看到，多个竞争过对手就多一分难度。
所以发现，一篇文章被转到朋友圈的必要条件，除了内容能够触动对方，还要不会牵扯到对方的利益。
@ 2016年9月25日
学习路径：组织问题 → 主题阅读 → 构建框架 → 实际应用 → 迭代优化
学习速度：( 密度+专注 ) x 方法 x 时长
学习这件事，方法重于一切
@ 2016年10月13日
想知道一个流量有多少商业价值，先想清楚4个问题：
1）一个流量背后是什么人？
2）这个人搜索这个词是要解决什么需求？
3）他愿意为这个需求花多少钱？
4）有多少人跟他一样也需要解决这个需求？
@ 2016年11月04日
主观上认为不存在的东西，可能在客观上是存在的，只不过主观的我看不到。世界很大，时刻保持质疑和好奇
@ 2016年11月18日
骑川藏线，海拔太高，翻过去太难，如何克服？
答：翻一座海拔更高的山。
@ 2016年11月20日
大道至间，简单到让人容易忽略，所以简单也不简单
@ 2016年11年21日
和一堆人抢一块蛋糕，拼的是资源，谁资源多，就可能拿得多。与其和一堆土豪争蛋糕，不如想办法让蛋糕变的更大。
