В программе 6.1 «Списки» для получения доступа к элементам списков были использованы внешние целевые утверждения. Задание цели в виде animals(All) обеспечивало присваивание переменной All всего списка в целом. Напротив, цель animals([_,_,B,_]) позволила извлечь из списка лишь один элемент. В этом случае, однако, требовалось точное знание числа элементов списка.
Турбо-Пролог, однако, позволяет отделять от списка первый элемент и обрабатывать его отдельно. Данный метод работает вне зависимости от длины списка, до тех пор, пока список не будет исчерпан. Этот метод доступа к голове списка называется
МЕТОДОМ РАЗДЕЛЕНИЯ СПИСКА НА ГОЛОВУ И ХВОСТ.
Операция деления списка на голову и хвост обозначается при помощи вертикальной черты (|):
Head здесь является переменной для обозначения головы списка, переменная Tail обозначает хвост списка. (Для имен головы и хвоста списка пригодны любые допустимые Турбо-Прологом имена.)
Программа 6.2 демонстрирует использования метода разделения списка. Два списка описаны в ней: список целых чисел (имя домена — integer*) и список символических имен (домен animals_list). Правило print_list применяется для доступа к элементам обоих списков.
Как найти программу шпион
/* Программа 6.2 «Голова-хвост». Назначение: */
/* разделение списка на голову и хвост */
animals_list = symbol *
print_list(integer *)
print_list(animal_list)
print_list([Head|Tail]) :-
write(Head),nl,
print_list(Tail).
/* Конец программы */
Программа 6.2 использует правило print_list для доступа к элементам списков. Так как предикат print_list определен для объектов обоих доменов, то это правило используется для работы как со списком number_list, так и списком animal_list.
Когда правило пытается удовлетворить внешнюю цель
print_list([4,-9,5,3])
то первый вариант правила, print_list[], дает неуспех, так как его объект является пустым списком. Напротив, введенный список соответствует объекту второго варианта предиката print_list([Head|Tail]). Переменной Head, следовательно, присваивается значение первого элемента в списке, 4, в то время как переменной Tail ставится в соответствие оставшаяся часть списка, [-9,5,3].
Теперь, когда выделен первый элемент списка, с ним можно обращаться так же, как и с любым простым объектом:
write(Head),nl
Так как хвост списка есть список сам по себе, значение переменной Tail может быть использовано в качестве объекта рекурсивного вызова:
print_list(Tail)
Процесс повторяется до тех пор, пока переменная Head не примет значение 3, а переменная Tail присвоится пустой список. Теперь при рекурсивном вызове print_list(Tail) значение Tail соответствует объекту правила
Этот вариант является граничным условием рекурсии, и цель считается удовлетворенной.
Рекурсивные правила для работы со списками просты, но вместе с тем и очень важны, ввиду их применимости в большинстве программ.
7. Поиск элемента в списке
Поиск элемента в списке является очень распространенной операцией. Поиск представляет собой просмотр списка на предмет выявления соответствия между элементом данных (объектом поиска) и элементом просматриваемого списка. Если такое соответствие найдено, то поиск заканчивается успехом. В противном случае поиск заканчивается неуспехом. Для сопоставления объекта поиска с элементами просматриваемого списка необходим предикат, объектами которого и явлются эти объект поиска и список:
Программы в матрице. Кармические хвосты. Матрица судьбы
Первый из объектов утверждения, 3, есть объект поиска. Второй — это список [1,2,3,4,5].
Для выделения элемента из списка и сравнения его с объектом поиска можно применить метод разделения списка на голову и хвост. Стратегия поиска при этом будет состоять в рекурсивном выделении головы списка и сравнении ее с элементом поиска.
Так же, как в программе «Голова-хвост», при рекурсии хвостом каждый раз становится новый список, голова которого присваивается переменной, сравниваемой с объектом поиска.
member(Head,[Head|_])
Этот вариант правила соответствует случаю, когда объект поиска совпадает с головой списка. Отметим, что хвост списка при этом присваивается анонимной переменной. Если объект поиска и голова списка действительно соответствуют друг другу, то результатом сравнения явится успех.
В случае неуспеха происходит возврат и поиск другого утверждения, с которыми можно снова попытаться найти соответствие. Для этого случая необходимо предусмотреть правило, которое выделило бы из списка следующий по порядку элемент и сделало бы его доступным для сравнения. Поскольку следующий за головой текущего списка элемент является головой текущего хвоста, мы можем представить хвост как новый список, голову которого можно сравнить с объектом поиска:
member(Head, [_,Tail]) :-
member(Head, Tail).
При этом уже проверенный первый элемент списка ставится в соответствие анонимной переменной. Попытка удовлетворить рекурсивное правило member(Head,Tail) заставляет Турбо-Пролог представить хвост текущего, как новый самостоятельный список.
Процесс повторяется до тех пор, пока это утверждение дает либо успех в случае установления соответствия на очередной рекурсии, либо неуспех в случае исчерпания списка.
Программа 6.3 демонстрирует реализацию операции поиска элемента в списке. Поскольку предикат member определен как для списков целых чисел, так и для списков символических имен, то в данной программе он работает со списками обоих типов.
/* Программа 6.3 «Элементы». Назначение: */
/* поиск нужного элемента в списке. */
number_list = integer *
person_list = symbol *
member(number, number_list)
member(person, person_list)
member(3,[1,2,3,4,5]), write(” нашли 3 ”),
member(john, [tom, bob, jerry, john],
write(” нашли Джона ”).
member(Head, [Head|_]).
member(Head, [_|Tail]) :-
member(Head, Tail).
/* Конец программы */
На экране появится True и печать двух сообщений.
Упражнение 6.2.
Задайте следующую внешнюю цель:
member(44,[11,44,11,33,44,44,55])
В скольких случаях будет достигнут успех?
Источник: studfile.net
Как собрать низкочастотные ключи для SEO: 4 нетривиальных способа
Низкочастотные запросы (для экономии чернил будем называть их НЧ) в SEO нужны. Особенно когда по СЧ и ВЧ топ забит колдунщиками, контекстом и агрегаторами. С НЧ при небольшом бюджете можно занять верхние строчки выдачи и получать недорогой и стабильный трафик.
Но тут проблема: если вы собираете НЧ с помощью привычных Яндекс.Вордстата и Планировщика Google, ваши конкуренты делают то же самое. Решение — найти НЧ, о которых ваши конкуренты не догадываются (а если и догадываются, то не все). Рассказываем, как это сделать.
Содержание статьи
Парсинг аккордеона с вопросами в Google-поиске с помощью Xpath
Когда вы в Google-поиске вводите информационный запрос, часто появляется блок с похожими запросами. Здесь выводятся вопросы по теме. При клике по вопросу открывается рекомендованный контент и появляются новые вопросы.
Так вот, если собрать эти вопросы, вы получите НЧ фразы для оптимизации под них блоков контента или целых страниц. Можно пойти простым путем: открыть как можно больше вопросов, скопировать их и вставить в Excel. Но вы получите тогда примерно такую картину:
Придется потом сидеть и все это чистить.
Более изящный способ собрать вопросы — спарсить с помощью Xpath. Кто не знает, Xpath — это язык запросов к элементам XML-документа. Но не будем вдаваться в детали — просто покажем, как это работает.
1. Установите расширение Scraper для Chrome. Это бесплатный XPath-парсер.
2. Откройте поисковик Google и установите английский язык (это нужно, чтобы парсер работал корректно).
3. Введите запрос и найдите блок «People also ask». Откройте как можно больше вопросов (например, 50, 100 или даже 200). Лайфхак: вопросы намного удобней открывать снизу вверх.
4. Кликните по значку установленного расширения и в выпадающем меню выберите «Scrape similar…».
5. В открывшемся приложении в блоке Selector выберите Xpath и в поле введите текст //g-accordion-expander (обратите внимание, чтобы блок Column был заполнен точно так же, как показано на скриншоте). После этого нажмите Scrape.
Итак, данные мы спарсили. Но нужно еще их привести в юзабельный вид. Если просто скопировать и вставить в Excel, то получится не совсем приятно:
Можно, конечно, помудрить с формулами и разбить этот текст на колонки. Но есть более простое решение.
Создайте копию шаблона. Этот шаблон сделан в Google Таблицах и помогает извлечь данные, полученные в результате парсинга вопросов.
Откройте свою копию шаблона, перейдите на лист «Google Questions and Answers», установите курсор в ячейке А10 и нажмите Ctrl+Shift+V.
Далее перейдите на лист «Clean Data» и загрузите список вопросов.
Теперь у вас не просто список НЧ запросов, но и масса идей для контента.
Подбор «хвостов» с помощью QA-площадок
Площадки вопросов-ответов — это хороший способ найти «живую» семантику. В России самая популярная — Ответы Mail.ru. Также есть тематические QA-площадки (например, для айтишников — Toster). Среди западных QA-площадок самая известная — Quora.
Итак, как с ними работать. Заходим на выбранный QA-сайт и вводим интересующий запрос. Получаем похожие вопросы по теме. По сути, это и есть НЧ семантика.
Копировать вопросы вручную — не наш путь. Выделяем любой вопрос, кликаем по нему правой кнопкой мыши и контекстном меню выбираем «Scrape similar…» (используем расширение Scraper, о котором рассказывали в предыдущем пункте).
Парсер собирает все вопросы на странице. Копируем и забираем в «эксельку».
Если вы используете другой Xpath-парсер, кликните по интересующему объекту правой кнопкой мыши и в контекстном меню выберите «Просмотреть код». Кликните по подсвеченному участку кода правой кнопкой мыши и в пункте «Copy» выберите «Copy Xpath».
Полученный код вставьте в парсер и загрузите список URL для проверки. Например, это можно сделать в Screaming Frog SEO Spider. Как? Читайте здесь.
Бесплатная альтернатива — Google Таблицы. С помощью функции IMPORTXML и Xpath-запроса вы без проблем выгрузите данные со страницы.
Синтаксис формулы такой:
=IMPORTXML(«URL»;»Xpath-запрос»)
Достаточно указать URL, сослаться на этот URL в формуле, и Google автоматически спарсит все элементы страницы, которые соответствуют Xpath-запросу.
Больше о полезных формулах Google Таблиц для SEO читайте в нашей подборке.
Помимо QA-площадок можно найти НЧ с помощью сервиса AnswerThePublic. Он собирает вопросы с вхождением ключа, «хвосты» с предлогами, сравнения, связанные запросы. Раньше сервис был англоязычным, и приходилось переводить полученные ключи и вопросы. Но недавно появилась поддержка русского языка.
Сервис работает так: вводите ключевое слово, и получаете «вал» ключей с визуализацией связей:
Для выгрузки ключевых слов нажмите «Download CSV».
В загруженной таблице будут все собранные слова:
Парсинг семантики конкурентов с последующим ее углублением
Суть способа в том, чтобы собрать ключевые слова с сайтов конкурентов и от них уже углубиться в семантику. Так вы соберете ключи, которые, вероятно, упускают ваши конкуренты.
Для этой задачи подходит платформа PromoPult. Для ее использования нужно зарегистрироваться, добавить ваш сайт и создать проект. Система предложит список инструментов — выберите «Поисковое продвижение SEO».
Далее укажите URL сайта, регион продвижение и назовите проект.
После того как вы нажмете «Создать проект», система начнет автоматически подбирать ключевые слова, по которым ваш сайт занимает ТОП-50 в Яндексе и/или Google. Их можно взять за основу и поискать «хвосты». Но нас сейчас интересует семантика конкурентов — переходим на вкладку «Слова ваших конкурентов». Добавляем URL конкурентов и нажимаем «Показать слова всех конкурентов».
Отметьте слова, по которым хотите углубить семантику, и нажмите «добавить к опорным для расширения».
Опорные слова появятся в ручном подборщике (находится под списком фраз конкурентов). Сразу переключаемся в профессиональный режим.
Далее есть разные варианты работы с опорными словами: углубиться на основе парсинга левой колонки Вордстат, собрать фразы-ассоциации (правая колонка Вордстат). Мы же воспользуемся инструментом «СЧ+НЧ». Он специально создан для подбора НЧ фраз на основе опорных ключей.
На основе всего 5 опорных фраз система собрала 2186 ключей. Вы можете добавлять собранные ключи к опорным и вновь углубляться. Для выгрузки ключей тут же есть функция экспорта.
Для использования автоматического и ручного подборщика PromoPult не нужно пополнять баланс, оплачивать подписку, нет ограничений на количество проверок, ключевых слов или функционал. Все бесплатно.
Детально работа подборщика на примере интернет-магазина гироскутеров разобрана здесь.
Выгрузка поисковых запросов из Google Ads/Яндекс.Директа
Если у вас есть активные рекламные кампании на поиске Яндекса и/или Google, вы без проблем пополните запасы НЧ фраз. Важно только, чтобы реклама была запущена по ключам в широком соответствии (фразовое и тем более точное — не вариант).
Рассмотрим, как выгрузить запросы, на примере кампании в Google Ads. Открываем кампанию и переходим в раздел «Ключевые слова» (вкладка «Запросы»). Затем скачиваем запросы.
Если у вас нет рекламной кампании, вы можете запустить ее и буквально за неделю или даже меньше собрать запросы по базовым ключам.
Подход хорош тем, что вы получаете самую актуальную и разнообразную семантику. В итоге вы можете раньше конкурентов заточить под нее страницы (все-таки данные в тот же Вордстат поступают с задержкой).
Вам останется проверить частотность запросов и выбрать подходящие из них. Кроме того, вы можете углубить семантику с помощью подборщика слов PromoPult, описанного выше.
Что делать с полученным массивом ключей? То, что вам нужно: добавлять новые страницы на сайт, писать новые статьи или оптимизировать старые под дополнительные ключи, пересобрать вообще сем.ядро — на ваше усмотрение.
- низкочастотные запросы
- НЧ
- расширение семантики
- семантическое ядро
- парсинг семантики
- Блог компании Click.ru
- Интернет-маркетинг
- Контент и копирайтинг
- Поисковая оптимизация
Источник: habr.com
Как искать хвосты по поисковым запросам
Как искать хвосты по поисковым запросам запросам
Добрый день дорогие читатели, сегодня я расскажу как просто и быстро искать хвосты по определенным запросам. Опытный веб мастер делая каркас для будущей статьи всегда изучает хвосты по запросу под который заточена статья.
Что такое хвосты запросов, это схожие по тематике и вытекающие запросы из главного запроса.
Очень часто это конкретизирующие запросы
Например
«Купить шкаф» — высоко частотный запрос
«Купить шкаф купе» — хвост вч
«Купить шкаф купе из дерева» — хвост
«Купить шкаф купе из дерева в Москве» — хвост
Ну и так далее у хвостов обычно низкая частотность, однако это целевой трафик и пренебрегать им нельзя. Очень часто статья не может выйти в топ по заточенному запросу из-за высокой конкуренции , зато по хвостам она сидит в топе и приносит своему владельцу желанный трафик.
Как правило веб мастера берут среднечастотную или высоко частотную статью и в процессе ее написанию используют почти все хвосты по данному запросу. Но зачастую бывает найти хвосты бывает не так то просто.
Сегодня я научу вас как без проблем найти хвосты по интересующим нам запросам
И так давайте представим что вы собираетесь написать статью под среднечастотный запрос «самостоятельное продвижение сайта» у этого запроса много хвостов, но если их искать через ворстат, то и мусора много.
Для того чтобы быстро найти хвосты по данному запросу я рекомендую использовать сервис Мутаген.
Сервис дает 50 бесплатных поисков каждый день, этого вполне хватает для 2-3 статей. В чем фишка данного сервиса, он позволят определить уровень конкуренции по данному запросу.
И к каждому хвосты вы можете посмотреть еще несколько хвостов одним кликом мышки.
Несомненно это можно сделать все использую один лишь ворд стат, однако мутаген очень экономит время.
На этом все, и помните нельзя пренебрегать ничем даже мелочью.
Источник: blogfreo.ru