范如樂:搜索引擎的工作原理


你的網頁為什么能在搜索引擎展示,對于搜索引擎來說,這不是一個簡單的工作,有一套工作流程。

在講搜索引擎的工作原理之前,我們先了解一下搜索引擎的定義:

搜索引擎是指根據一定的策略、運用特定的計算機程序從互聯網上搜集信息,在對信息進行組織和處理后,為用戶提供檢索服務,將用戶檢索相關的信息展示給用戶的系統。

看完這句話,頭暈了吧,哈哈,你懂的,為了照顧你,范如樂要開始講人話了,簡單理解是這樣的:

搜索引擎會搜集你網站發布的所有網頁,搜集這些網頁以后,要對這些網頁進行分析,確定每個網頁是講的什么內容,這樣,當大家在搜索引擎搜索某些內容的時候,搜索引擎就把跟這個內容相關的網頁展示出來。

那么,這個具體的過程是怎么實現的呢?搜索引擎的工作步驟是這樣的:

第一步:爬行

搜索引擎是通過一種特定規律的軟件跟蹤網頁的鏈接,從一個鏈接爬到另外一個鏈接,像蜘蛛在蜘蛛網上爬行一樣,所以被稱為“蜘蛛”也被稱為“機器人”。搜索引擎蜘蛛的爬行是被輸入了一定的規則的,它需要遵從一些命令或文件的內容。

第二步:抓取存儲

搜索引擎是通過蜘蛛跟蹤鏈接爬行到網頁,并將爬行的數據存入原始頁面數據庫。其中的頁面數據與用戶瀏覽器得到的HTML是完全一樣的。搜索引擎蜘蛛在抓取頁面時,也做一定的重復內容檢測,一旦遇到權重很低的網站上有大量抄襲、采集或者復制的內容,很可能就不再爬行。

第三步:預處理

搜索引擎將蜘蛛抓取回來的頁面,進行各種步驟的預處理。

1、提取文字

2、中文分詞

3、去停止詞

4、消除噪音(搜索引擎需要識別并消除這些噪聲,比如版權聲明文字、導航條、廣告等……)

5、正向索引

6、倒排索引

7、鏈接關系計算

8、特殊文件處理

除了HTML 文件外,搜索引擎通常還能抓取和索引以文字為基礎的多種文件類型,如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我們在搜索結果中也經常會看到這些文件類型。 但搜索引擎還不能處理圖片、視頻、Flash 這類非文字內容,也不能執行腳本和程序。

第四步:排名

用戶在搜索框輸入關鍵詞后,排名程序調用索引庫數據,計算排名顯示給用戶,排名過程與用戶直接互動的。但是,由于搜索引擎的數據量龐大,雖然能達到每日都有小的更新,但是一般情況搜索引擎的排名規則都是根據日、周、月階段性不同幅度的更新。

所以,搜索引擎展示你的網頁,是有一個過程的,不是說你今天發布了一篇文章,搜索引擎就必須展示你這篇文章,除非你是一個有著三五年歷史的老網站,搜索引擎已經對你有記錄,對你的網站認可了,明確知道你的網站是做什么的,那么,你發一篇網站,搜索引擎馬上就收錄你的網頁并展現出來也是有可能的。

但是,如果你是一個新網站,那就不行,搜索引擎爬取了你的網頁以后,還要驗證、考核后,才敢把你的網頁展示出來,不然,每天成萬上億的人在搜索,而搜索引擎都是展示一些沒經過考察審核的垃圾網頁,這樣就再也沒人用搜索引擎了,搜索引擎就不存在了。

為什么經常聽到說養網站,把網站先養起來就是這個意思,先把網站養大了,網站才能為你賺錢,三天打魚兩天曬網是肯定不行的,任何事情都是這個道理。所以就有了那句被無數網站驗證的話:你養網站三五年,網站養你一輩子!

因此,為了幫助你更快實現這一點,范如樂還會繼續深入分享一些有關搜索引擎的知識,下一節,我們學習:《范如樂:每個網頁排名靠前的基礎——網頁質量》。

轉載時需注明來源!首發:如樂建站之家;原文鏈接:
http://www.lmaocr.com/wangzhanjianshe/4816.html
如樂建站之家創始人——范如樂:

如樂建站之家創始人范如樂  聯系Q Q:349142701
  聯系微信:349142701
  聯系電話:13189611692

【如樂建站之家】由范如樂于2013年創建至今,立志于解決新手不會快速自己建網站的痛苦,讓你也能零基礎快速學會自己建網站!詳細教程點擊下圖:




熱門文章: