DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁SEO優化 >  >> SEO優化集錦
搜索引擎的基本工作原理:爬蟲、索引器、檢索器與用戶接口
編輯:SEO優化集錦     

目錄:一、爬蟲 二、索引器 三、檢索器 四、用戶接口

爬蟲是搜索引擎最基本、最底層的程序,可以用C語言等編程語言編寫,也叫蜘蛛、機器人。一般來說,為了提高信息捕捉速度,搜索引擎會有多個爬蟲程序,而每個爬蟲一秒之內能同時爬行幾十甚至上百個網頁。蜘蛛的爬行就是分析網頁內容的過程,通過分析決定是否收錄,而它的爬行路徑依賴網頁中的超級鏈接。

這裡有兩種方式:

第一種,通過已知的url集合(通常是知名網站、鏈接眾多的網站,或已爬行過的網站)逐個爬行,直至遍歷所有網頁。

第二種,按網頁空間的域名、ip段,一個ip或域名區間來訪問,通常由一個或幾個蜘蛛負責一段區間的窮盡搜索。蜘蛛爬行時會分析關鍵詞、進行切詞……後文會介紹。

索引器是參與搜索引擎最重要的過程的程序,在分詞與索引中扮演著非常重要的角色。搜索引擎查找信息的方式,和我們平時查找(比如在文本編輯器裡按ctrl+F)完全不同——按那種方式查找,即使是一台功能超強的超級計算機也得花很長時間,顯然行不通,因為用戶等不了。

搜索引擎的開發者一開始就考慮到了這點,於是採用一招聰明的方法:按關鍵詞建立索引。這有點像我們查字典——查一個字時並不是一頁頁翻找,而是通過目錄建立的索引來查,這個目錄通常按偏旁部首或字母abc建立。搜索引擎也採用相似處理:蜘蛛分析網頁時,按關鍵詞的出現位置、頻次建立索引。

比如,通過分析某論壇的網頁找到了"網絡營銷論壇",在別的網站也出現同樣內容,搜索引擎就會把這些網站歸入這一類關鍵詞的索引並排序。同樣,"seo優化"出現在一些以seo為主題的網站上,於是這些站被歸入"seo優化"這個關鍵詞目錄。當用戶在搜索框輸入"seo 網絡營銷"時,檢索器就要進行邏輯與運算,最後返回既符合seo、又符合網絡營銷的網站。這個邏輯與運算其實是二進制運算,屬於檢索器的工作範疇,這裡只是簡單提及,方便大家有個整體把握。

這裡只是簡單分析,實際上搜索引擎的原理要比我所說的複雜得多。

檢索器用於拆分用戶輸入的關鍵詞:先分詞(常見的中文分詞方式有正向最大匹配、反向最大匹配、最短路徑分詞法等),拆分後再匹配檢索索引目錄,然後按一定順序把匹配結果返回給用戶。

最後是用戶接口。用戶接口比較簡單,就是提供給用戶什麼樣的搜索頁面,以及以什麼樣的結果頁面返回。它涉及複雜接口與簡單接口:簡單接口就是輸入字符串;複雜接口則是我們偶爾用到的命令,如site、link等,可讓用戶對查詢結果進行限制。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved