1、网页结构化：HTML代码全部删除掉，提取出内容。

　　2、消噪：留下网页的主题内容。

　　3、查重：查找删除重复的网页与内容。

　　4、分词：提取出正文的内容后，分成若干个词语，然后排列存入索引库。同时计算这个词在这个页面出现了多少次。有必要指出，关键词堆砌就是借用这个原理对网站进行优化。这种做法属于作弊。

　　5、链接分析：搜索引擎会查询分析这个页面的反向链接有多少，导出链接有多少内链，然后判定这个页面多少权重。