向大家介紹過網頁結構化的目標，結構化的過程就是網站有價值信息被保留的過程，今天之所以又用這樣的標題來寫一篇文章，其實是有目的的，是想再次的提醒網站seo優化人員，搜索引擎工作原理是做好網站優化工作的基礎。
　　現在不比前幾年，一說網站優化一說SEO優化，改改title，discription，keyword，發發外鏈，網頁的排名效果就會有。但現在僅僅指望這點已經不起作用了，人人都會的東西，你再拿出來作為自己的優勢，實際上是落伍了，再加上黑帽seo優化的猖獗，針對百度的優化，針對google的優化層出不窮，搜索引擎也在不斷的調整著算法。要做SEO優化的前鋒戰士，根據互聯網的發展變化，時時保持清醒的頭腦，吸收新的知識，只有這樣網站的優化效果才可能在你的控制之中。
　　話回正題，來簡單解釋一下，網頁結構化的過程即有價值信息被保留的過程。明白了網頁結構化的目標后，就應該明白，體現網頁本身價值和內容的5個屬性被抽取出來，即，標題(title)、錨文本(anchor text)、正文標題(content title)、正文(content)和正向鏈接(link)。對搜索引擎來說，這5個屬性就是有價值的信息(當然，也是對用戶有價值的內容)。
　　我們來具體看一下網頁結構化是如何進行的?
　　網頁結構化的過程首先通過標簽樹進行分析得到文本對應的標簽，然后通過投票算法確定正文及配圖等僅從HTML標簽無法判斷的網頁數據。以下是專業人士總結的兩步走：
　　HTML標簽樹
　　一、 建立html標簽樹(tag-tree)。
　　萬維網上大多數的靜態網頁都以HTML網頁形式存在，HTML是一種標識語言(Markup Language)，它把其描述的全部內容都按照HTML語法存放在標簽之中。為了更清楚地描述網頁內容的組織結構，將網頁中的標簽按照出現順序依次整理出來并用適當的結構記錄。由于標簽之間的嵌套關系，因此整理結果自然是一個樹狀結構，我們把整理一個網頁中的標簽得到的樹狀結構稱為該網頁的“標簽樹”。
　　很顯然，查看該網頁的用戶看到的是相當友好的信息。而實際源文件中的那些HTML標記，如和(可以理解為用來幫助IE瀏覽器理解網頁)等都不會實際地展示給用戶。因此搜索引擎的分析系統需要學習IE瀏覽器理解網頁的方式來理解網頁，在理解過程中需要建立一個HTML標簽樹的樹形結構。通過建立標簽樹，并且識別標簽所描述的文字，網頁結構化進程就走出了重要的一步，能夠順利提取出了網頁的標題。但實際的網頁，同一個標簽所描述的文字內容不是唯一確定的，比如廣告內容也可能放在標簽里，而這不是真正的正文，是會影響用戶的搜索體驗，所以就有了下面投票法得正文。
　　二、通過投票方法識別正文的文本塊，并按照深度優先遍歷的規則組織為正文。
　　判斷哪個文本塊是正文采用稱為“投票算法”的計算方法，這種方法在搜索引擎別常用。在日常生活中幾乎所有人都會有投票或選舉的經歷，如選舉干部和通過決議需要投票，以及運動員的一套動作需要裁判員打分等。其基本原理在于認為大多數人的意見往往是正確的。大多數人的統一主觀意見就會變得較為客觀。雖然每個人的給出的分數是主觀產生的，但是這種評判的方法和結果被認為是相對客觀和可信的。正文抽取的投票算法的過程如何呢?首先搜索引擎會定義一系列的規則，然后通過這些規則為每個文本塊打分。得分最高的被認為是正文的可能性足夠大，并且可以接受。搜索引擎定的規則，也是需要通過足夠多的網頁進行反饋，之后才能得到一個公正客觀的打分。由于HTML標簽的相互嵌套的特性，決定了深度優先遍歷的順序恰好能夠組織成一個完整的正文。