网工厂
自定内容
全国7x24小时客服电话:400-637-8910
自定内容
hi,欢迎访问网工厂官方网站!
广告位
空白边框
 
当前位置
关于网站排名:搜索引擎的工作原理
作者:系统管理员    发布于:2014-08-28    文字:【】【】【

第一步:爬行

        搜索引擎是通过一种特定规律的软件跟踪网页的链接,从一个链接爬到另外一个链接,像蜘蛛在蜘蛛网上爬行一样,所以被称为“蜘蛛”也被称为“机器人”。搜索引擎蜘蛛的爬行是被输入了一定的规则的,它需要遵从一些命令或文件的内容。

第二步:抓取存储

        搜索引擎是通过蜘蛛跟踪链接爬行到网页,并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时,也做一定的重复内容检测,一旦遇到权重很低的网站上有大量抄袭、采集或者复制的内容,很可能就不再爬行。

第三步:预处理

        搜索引擎将蜘蛛抓取回来的页面,进行各种步骤的预处理。

⒈提取文字

⒉中文分词

⒊去停止词

⒋消除噪音(搜索引擎需要识别并消除这些噪声,比如版权声明文字、导航条、广告等……)

5.正向索引

6.倒排索引

7.链接关系计算

8.特殊文件处理

        除了HTML 文件外,搜索引擎通常还能抓取和索引以文字为基础的多种文件类型,如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我们在搜索结果中也经常会看到这些文件类型。 但搜索引擎还不能处理图片、视频、Flash 这类非文字内容,也不能执行脚本和程序。

第四步:排名

        用户在搜索框输入关键词后,排名程序调用索引库数据,计算排名显示给用户,排名过程与用户直接互动的。但是,由于搜索引擎的数据量庞大,虽然能达到每日都有小的更新,但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。

选择

与网站内容相关

搜索次数多,竞争小

主关键词,不可太宽泛

主关键词,不太特殊

商业价值

提取文字

中文分词

去停止词

消除噪声

去重

正向索引

倒排索引

链接关系计算

特殊文件处理

空白边框
 
脚注信息
网网网旗下:网网互联 | 网工厂 | 网网推广

Copyright(c) 2003-2018 webwgc.com All Rights Reserved. 网工厂 版权所有 粤ICP备13077027号-3