一、什么是搜索引擎
搜索引擎是指根據(jù)一定的策略、運(yùn)用特定的計(jì)算機(jī)程序從互聯(lián)網(wǎng)上采集信息,在對(duì)信息進(jìn)行組織和處理后,為用戶提供檢索服務(wù),將檢索的相關(guān)信息展示給用戶的系統(tǒng)。搜索引擎是工作于互聯(lián)網(wǎng)上的一門檢索技術(shù),它指在提高人們獲取搜集信息的速度,為人們提供更好的網(wǎng)絡(luò)使用環(huán)境。從功能和原理上搜索引擎大致被分為全文搜索引擎、元搜索引擎、垂直搜索引擎和目錄搜索引擎等四大類。
二、搜索引擎的工作原理
搜索引擎的工作原理是從互聯(lián)網(wǎng)上抓取網(wǎng)頁(yè),建立索引數(shù)據(jù)庫(kù),在索引數(shù)據(jù)庫(kù)中搜索排序。它的整個(gè)工作過程大體分為信息采集、信息分析、信息查詢和用戶接口四部分。信息采集是網(wǎng)絡(luò)機(jī)器人掃描一定IP地址范圍內(nèi)的網(wǎng)站,通過鏈接遍歷Web空間,來進(jìn)行采集網(wǎng)頁(yè)資料,為保證采集的資料最新,網(wǎng)絡(luò)機(jī)器人還會(huì)回訪已抓取過的網(wǎng)頁(yè);信息分析是通過分析程序,從采集的信息中提取索引項(xiàng),用索引項(xiàng)表示文檔并生成文檔庫(kù)的索引表,從而建立索引數(shù)據(jù)庫(kù);信息查詢是指用戶以關(guān)鍵詞查找信息時(shí),搜索引擎會(huì)根據(jù)用戶的查詢條件在索引庫(kù)中快速檢索文檔,然后對(duì)檢出的文檔與查詢條件的相關(guān)度進(jìn)行評(píng)價(jià),最后根據(jù)相關(guān)度對(duì)檢索結(jié)果進(jìn)行排序并輸出。
三、搜索引擎的工作流程
1、爬行和抓取
搜索引擎派出一個(gè)能夠在網(wǎng)上發(fā)現(xiàn)新網(wǎng)頁(yè)并抓文件的程序,這個(gè)程序通常稱之為蜘蛛(Spider)。搜索引擎從已知的數(shù)據(jù)庫(kù)出發(fā),就像正常用戶的瀏覽器一樣訪問這些網(wǎng)頁(yè)并抓取文件。搜索引擎通過這些爬蟲去爬互聯(lián)網(wǎng)上的外鏈,從這個(gè)網(wǎng)站爬到另一個(gè)網(wǎng)站,去跟蹤網(wǎng)頁(yè)中的鏈接,訪問更多的網(wǎng)頁(yè),這個(gè)過程就叫爬行。這些新的網(wǎng)址會(huì)被存入數(shù)據(jù)庫(kù)等待搜索。所以跟蹤網(wǎng)頁(yè)鏈接是搜索引擎蜘蛛(Spider)發(fā)現(xiàn)新網(wǎng)址的最基本的方法,所以反向鏈接成為搜索引擎優(yōu)化的最基本因素之一。搜索引擎抓取的頁(yè)面文件與用戶瀏覽器得到的完全一樣,抓取的文件存入數(shù)據(jù)庫(kù)。
2、建立索引
蜘蛛抓取的頁(yè)面文件分解、分析,并以巨大表格的形式存入數(shù)據(jù)庫(kù),這個(gè)過程即是索引(index)。在索引數(shù)據(jù)庫(kù)中,網(wǎng)頁(yè)文字內(nèi)容,關(guān)鍵詞出現(xiàn)的位置、字體、顏色、加粗、斜體等相關(guān)信息都有相應(yīng)記錄。
3、搜索詞處理
用戶在搜索引擎界面輸入關(guān)鍵詞,單擊“搜索”按鈕后,搜索引擎程序即對(duì)搜索詞進(jìn)行處理,如中文特有的分詞處理,去除停止詞,判斷是否需要啟動(dòng)整合搜索,判斷是否有拼寫錯(cuò)誤或錯(cuò)別字等情況。搜索詞的處理必須十分快速。
4、排序
對(duì)搜索詞處理后,搜索引擎程序便開始工作,從索引數(shù)據(jù)庫(kù)中找出所有包含搜索詞的網(wǎng)頁(yè),并且根據(jù)排名算法計(jì)算出哪些網(wǎng)頁(yè)應(yīng)該排在前面,然后按照一定格式返回到“搜索”頁(yè)面。再好的搜索引擎也無法與人相比,這就是為什么網(wǎng)站要進(jìn)行搜索引擎優(yōu)化(SEO)。沒有SEO的幫助,搜索引擎常常并不能正確的返回最相關(guān)、最權(quán)威、最有用的信息。