做SEO必須熟知的搜索引擎工作原理

發(fā)布：2018-11-13 16:59:13 瀏覽：4445

搜索引擎的工作過(guò)程非常復(fù)雜，其工作過(guò)程大體可以分為三個(gè)階段:

(1)網(wǎng)頁(yè)收集:搜索引擎蜘蛛通過(guò)鏈接進(jìn)行爬行和抓取，將抓取到的頁(yè)面存儲(chǔ)到原始數(shù)據(jù)庫(kù)中。

(2)預(yù)處理:搜索引擎蜘蛛抓取到的頁(yè)面不能直接進(jìn)行用戶查詢排名，需要進(jìn)行預(yù)處理。

(3)檢索服務(wù):用戶輸入查詢?cè)~后，排名程序調(diào)用索引數(shù)據(jù)庫(kù)中的數(shù)據(jù)，將與用戶搜索詞相關(guān)的頁(yè)面展示給用戶。

搜索引擎是通過(guò)蜘蛛程序?qū)ヂ?lián)網(wǎng)中的網(wǎng)頁(yè)進(jìn)行抓取和收集的，網(wǎng)頁(yè)收集是搜索引擎工作的第一步。了解搜索引擎的網(wǎng)頁(yè)抓取機(jī)制，便于蜘蛛抓取更多的頁(yè)面，使網(wǎng)站有更好的排名。

(1)什么是蜘蛛

網(wǎng)絡(luò)爬蟲，又被稱為網(wǎng)頁(yè)蜘蛛、網(wǎng)絡(luò)機(jī)器人，是指按照一定的規(guī)則，自動(dòng)抓取互聯(lián)網(wǎng)中網(wǎng)頁(yè)的程序或者腳本。

(2)蜘蛛的工作方式

對(duì)于互聯(lián)網(wǎng)中的網(wǎng)站來(lái)說(shuō)，如果沒有對(duì)其中的鏈接進(jìn)行屏蔽設(shè)置，蜘蛛就可以通過(guò)鏈接在網(wǎng)站內(nèi)或者網(wǎng)站間進(jìn)行爬行和抓取。

由于互聯(lián)網(wǎng)中的網(wǎng)站及頁(yè)面鏈接結(jié)構(gòu)異常復(fù)雜，蜘蛛需要采取一定的爬行策略才能抓取更多的頁(yè)面。

最簡(jiǎn)單的爬行策略有兩種:一種是深度優(yōu)先，另一種是廣度優(yōu)先。

廣度優(yōu)先:是指蜘蛛會(huì)先抓取起始網(wǎng)頁(yè)中鏈接的所有網(wǎng)頁(yè)，然后再選擇其中的一個(gè)鏈接網(wǎng)頁(yè)，繼續(xù)抓取在此網(wǎng)頁(yè)中鏈接的所有網(wǎng)頁(yè)。這是最常用的方式，因?yàn)檫@個(gè)方法可以讓網(wǎng)絡(luò)蜘蛛并行處理，提高其抓取速度。

深度優(yōu)先:是指蜘蛛會(huì)從起始頁(yè)開始，一個(gè)鏈接一個(gè)鏈接跟蹤下去，處理完這條線路之后再轉(zhuǎn)入下一個(gè)起始頁(yè)，繼續(xù)跟蹤鏈接。

深度優(yōu)先和廣度優(yōu)先通常是混合使用的。這樣既可以照顧到盡量多的網(wǎng)站，也可以照顧到一部分網(wǎng)站的內(nèi)頁(yè)，同時(shí)也會(huì)考慮頁(yè)面權(quán)重、網(wǎng)站規(guī)模、外鏈、更新等因素。而且搜索引擎為了提高爬行和抓取的速度。都是用多個(gè)蜘蛛并發(fā)分布爬行。

根據(jù)這一原理，在優(yōu)化網(wǎng)站時(shí)，應(yīng)該合理設(shè)置網(wǎng)站中的鏈接，便于蜘蛛更加順利的爬行網(wǎng)站中的各個(gè)頁(yè)面。

(3)認(rèn)識(shí)種子站點(diǎn)

一些互聯(lián)網(wǎng)中的網(wǎng)站被蜘蛛格外看重，蜘蛛的爬行也往往以這些網(wǎng)站作為起始站點(diǎn)。通常情況下，這類站點(diǎn)具有一定的權(quán)威性和導(dǎo)航性，如新浪、hao123等。這些具有權(quán)威性和導(dǎo)航性的網(wǎng)站稱為種子站點(diǎn)。因此，在優(yōu)化網(wǎng)站時(shí)，可以在種子站點(diǎn)中添加自己網(wǎng)站的鏈接，增加線蛛抓取的入口。

(4)搜索引擎的收集機(jī)制

如蛛對(duì)于網(wǎng)站的取頻率受網(wǎng)站更新周期的影響，若網(wǎng)站定期定量更新，那么，蜘蛛會(huì)規(guī)律進(jìn)入網(wǎng)站中進(jìn)行爬行和抓取。

蜘蛛每次爬行都會(huì)把頁(yè)面數(shù)據(jù)存儲(chǔ)起來(lái)，如果第二次爬行發(fā)現(xiàn)頁(yè)面與第一次收錄的完全一樣，說(shuō)明頁(yè)面沒有更新，多次抓取后蜘蛛會(huì)對(duì)頁(yè)面更新頻率有所了解。不常更新的頁(yè)面，蜘蛛也就沒有必要經(jīng)常抓取。如果頁(yè)面內(nèi)容經(jīng)常更新，蜘蛛就會(huì)更加頻繁地訪問(wèn)這種頁(yè)面，頁(yè)面上出現(xiàn)的新鏈接，也自然會(huì)被統(tǒng)蛛更快地抓取。

因此，在優(yōu)化網(wǎng)站時(shí)，應(yīng)該定期定量地更新內(nèi)容，增加網(wǎng)站被抓取的頻率。

(5)文件存儲(chǔ)

視索引擎蜘蛛抓取的網(wǎng)站制作頁(yè)面存入原始數(shù)據(jù)庫(kù)中。搜索引擎會(huì)對(duì)原始數(shù)據(jù)庫(kù)中的頁(yè)面進(jìn)行相應(yīng)的處。