专题整理：《采集内容处理》，这是一篇汇总GOGO闯《seo如何处理采集内容》4篇内容的文章！无需求、不思想！无技术、不实现！
一、标题部分：
标题可能是各种组合：创意很重要
A组合：{强行插入关键词}{精简后的标题}
B组合：{百度相关搜索词}{精简标题}
C组合:{下拉框推荐词}{精简标题}
D组合：{关键词的同义词}{精简标题}
或直接：{精简后的标题}
二、正文部分
1，原始内容过滤处理（采集到重复的内容去重）
A，html清洗 保留主要标签，删除标签中不重要属性
B，删除中文字数<100的，个别可根据实际情况除外
C，去除垃圾信息 比如 : 网址，邮箱，qq等
2，正文内容加工处理（正文开头、结尾处插入随机文本）
A， 正文开头结尾处插入随机文本 ：“本文包含的主题：{相关搜索词语1}，{相关搜索词语2}…”
B， 插入历史referer词：”用户曾经痛过{referer词1}，{referer词2}…搜到到本页”
C， 正文开头随机插入导读语：当前分类下自建导读语模板随机调用
D， 通用模版随机调用 ：模版a：本公司主营XX，销售XX，采购XX…，模版b：公司地址：XX，联系人XX，所属行业XX，联系人XX…，
3，修改正文内容（程序实现）
A，基于pagerank提取关键词，textrank算法提取文本摘要，其实就是正文内容精简，提取主干信息，一般最终获得原始内容50%左右的字数；
B，为了防止字数过少，需提前用k-means和tfidf，找出当前文章的相似文章，提取他们正文字数最长的段落摘要，加到当前的文章中用作字数上的补全。