1.索引處理
抓取網(wǎng)頁后,由分析索引系統(tǒng)程序?qū)κ占貋淼木W(wǎng)頁進行分析,提取相關(guān)信息(包括網(wǎng)頁所在URL、編碼類型、頁面內(nèi)容包含的所有關(guān)鍵詞、關(guān)鍵詞的位置、生成時間、大小、與其他網(wǎng)頁的鏈接關(guān)系等),根據(jù)一定的相關(guān)度算法進行大量復(fù)雜的計算,得到每一個網(wǎng)頁針對頁面文字及超鏈中每一個關(guān)鍵詞的相關(guān)度(或重要性),然后用這些信息建立網(wǎng)頁索引數(shù)據(jù)庫。 任何搜索引擎在進行內(nèi)容索引的時候都是以文字為基礎(chǔ)的。搜索引擎在抓取頁面的時候,并非只訪問用戶能看到的文字信息,還包含大量的HTML代碼、CSS代碼、JavaScript代碼等對排名沒有作用的內(nèi)容。抓取頁面之后,搜索引擎就要處理這些信息,從HTML代碼中分離出標(biāo)簽、代碼,提取有利于網(wǎng)站排名處理的頁面文字內(nèi)容。
2.爬行抓取
爬行抓取是搜索引擎工作的第一步,主要完成數(shù)據(jù)收集工。搜索引擎蜘蛛程序通過網(wǎng)頁的鏈接地址來尋找網(wǎng)頁,從網(wǎng)站的某一個頁面(通常是首頁)開始,讀取網(wǎng)頁的內(nèi)容,找到網(wǎng)頁中的其他鏈接地址,然后通過這些鏈接地址尋找下一個網(wǎng)頁,一直這樣循環(huán)下去,直到把這個網(wǎng)站的所有網(wǎng)頁都抓取為止。如果網(wǎng)站的內(nèi)容質(zhì)量不高或者有大量重復(fù)信息,蜘蛛程序就沒有“耐心”抓取網(wǎng)站里的所有信息了。如果把整個互聯(lián)網(wǎng)當(dāng)成一個網(wǎng)站,那么蜘蛛程序就可以用這個原理把互聯(lián)網(wǎng)上所有的網(wǎng)頁都抓取下來。但是,在實際的工作中,搜索引擎蜘蛛程序是不能抓取所有的互聯(lián)網(wǎng)信息的,畢竟蜘蛛程序的帶寬資源、時間都不是無限的,它不可能“爬”到所有的頁面。受到這些因素的制約,搜索引擎只能爬行和收錄互聯(lián)網(wǎng)信息的一小部分。
3.排名
建立網(wǎng)頁索引數(shù)據(jù)庫后,當(dāng)用戶輸入關(guān)鍵詞并進行搜索時,搜索系統(tǒng)程序會從網(wǎng)頁索引數(shù)據(jù)庫中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁。因為所有相關(guān)網(wǎng)頁針對該關(guān)鍵詞的相關(guān)度早已算好,所以只需按照相關(guān)度數(shù)值排序,相關(guān)度越高,排名越靠前。
當(dāng)前文章:網(wǎng)站制作淺談搜索引擎工過程
標(biāo)題來源:http://redsoil1982.com.cn/news/137651.html
網(wǎng)站建設(shè)、網(wǎng)絡(luò)推廣公司-創(chuàng)新互聯(lián),是專注品牌與效果的網(wǎng)站制作,網(wǎng)絡(luò)營銷seo公司;服務(wù)項目有網(wǎng)站制作等
廣告
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源:
創(chuàng)新互聯(lián)