黑帽联盟

标题: 可以获得大量长尾关键词，以便于做后续的研究分析。 [打印本页]

作者: llante001 时间: 2017-5-15 14:49
标题: 可以获得大量长尾关键词，以便于做后续的研究分析。
词库清洗

虽然可以通过第三方工具可以获得大量关键词，但是你需要做数据清洗，比如过滤一些违法词，或者对关键词进行文本分析替换或删除。

如果词量巨大，动辄百万，甚至千万的时候，常规的文本编辑器都很难处理了。（比如sublime，editplus等）

这时候需要用靠编程的手段来辅助处理，或者使用一些Linux下的强大文本处理指令，如Sed或Awk。这些工具Mac也是默认支持的。

比如我需获取从300万词中提取纯关键词，就是不包含地区名（主要是城市名）、不包含”供应“、”价格“、”批发“等，最好是一个专有名词，不包含其他修饰词或组合。

比如”石家庄小松挖掘机价格“，处理后的”纯词“应为”小松挖掘机“。

这样方便以后自己拓展，比如为了抢产品的价格和报价，我们可以组合词 ”小松挖掘机价格“，”小松挖掘机报价“等长尾词，这样页面设计和SEO元素都会更加精准，页面质量也可以更高。

如果想做图片词聚合页面，使用”纯词“ 另外组合出”小松挖掘机图片“即可。

为了实现这样的效果，需要简单学一些sed命令。

删除包含某个关键词的行

比如我要删除包含：”美女“ 关键词的行。

sed -i.bak '/美女/d' filename

这个命令就可以删除词库中包含”美女“这个关键词的行，直接更新当前文件，并且对原始文件做一个备份，扩展名为.bak。（filename.bak）

关键词替换

比如我要把所有关键词中包含的”出口“换成“进口”：

sed -i.bak 's/出口/进口/g' filename

s字符代表替换，g代表全局替换，如果只替换第一个出现的“出口”，则可以去掉。

关键词删除

那删除呢？其实就是也是一种替换，那就是把符合的词，替换成空。

比如我要把所有关键词中开头包含的”供应“去掉：

sed -i.bak 's/^供应//g' filename

s字符代表替换，“^供应”代表以“供应”开头的关键词（支持正则），g代表替换所有“供应”，如果只替换第一个出现的“供应”，则可以去掉。

如果我要把所有关键词中结尾包含的”厂“去掉：

sed -i.bak 's/厂$//g' filename

“厂$”代表以“厂”结尾的关键词

根据关键词长度过滤词

作者: feihu 时间: 2017-5-16 01:42
这啥啊，不懂

作者: 583558386 时间: 2017-5-16 11:27
我用518数据的

欢迎光临黑帽联盟 (https://bbs.cnblackhat.com/)