搜索引擎

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。搜索引擎包括全文索引、目錄索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、門戶搜索引擎與免費鏈接列表等。百度和谷歌等是搜索引擎的代表。

工作原理

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。

⒈提取文字

⒉中文分詞

⒊去停止詞

⒋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。

總結

以上是生活随笔為你收集整理的百度谷歌等大型网站收录网页提交入口地址的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。