1.什么是搜索引擎

搜索引擎( Search Engines)是指一些能夠主動(dòng)搜索信息(搜索網(wǎng)頁(yè)上的單詞和特定的簡(jiǎn)短內容描述)并將其自動(dòng)索引的Web網(wǎng)站,其索引內容儲存在可供檢索的大型數據庫中,并建立索引和目錄服務(wù)。搜索引擎是一個(gè)提供信息檢索服務(wù)的網(wǎng)站,它使用某些程序把互聯(lián)網(wǎng)上的所有信息歸類(lèi),以幫助人們在茫?；ヂ?lián)網(wǎng)中找到需要的信息。
 
搜索引擎是用于幫助互聯(lián)網(wǎng)用戶(hù)查詢(xún)信息的搜索工具,現在搜索引擎已經(jīng)成為必備的上網(wǎng)工具了。如果你要購買(mǎi)一件商品,但你不知道去哪家網(wǎng)上商城購買(mǎi),那么去找搜索引擎,搜索引擎可以滿(mǎn)足你的需求。
 
互聯(lián)網(wǎng)的快速發(fā)展,也導致了互聯(lián)網(wǎng)上大量“垃圾”信息的出現,而搜索引擎的作用之一就是將比較好的網(wǎng)站、質(zhì)量比較高的網(wǎng)站排在搜索結果的前面,這樣就可以有效幫助用戶(hù)找到他們想要找的東西,這就是引擎的作用。
 
常見(jiàn)的搜索引擎介紹如下。


 
google:全球最大的搜索引擎,1998年9月7日以私有股份公司的形式創(chuàng )立,目標是設計并管理一個(gè)互聯(lián)網(wǎng)搜索引擎。Google公司總部位于美國加利福尼亞山景城,在世界各地設有銷(xiāo)售和工程辦事處。2010年, Google退出中國市場(chǎng)。
 
百度:全球最大的中文搜索引擎,2000年1月由李彥宏、徐勇兩人創(chuàng )立于北京中關(guān)村,致力于提供“簡(jiǎn)單,可依賴(lài)”的信息獲取方式。“百度”二字源于中國宋朝詞人辛棄疾《青玉案·元夕》中的詩(shī)句“眾里尋他千百度”,象征著(zhù)百度對中文信息檢索技術(shù)的執著(zhù)追求。
 
雅虎:美國著(zhù)名的互聯(lián)網(wǎng)門(mén)戶(hù)網(wǎng)站,20世紀末互聯(lián)網(wǎng)奇跡的創(chuàng )造者之一,其服務(wù)包括搜索引擎、電子郵件獨立用戶(hù)新聞等,業(yè)務(wù)遍及24供多元化的網(wǎng)絡(luò )服務(wù)。
 
Bing:微軟公司推出的一款用以取代live Search的搜索引擎,簡(jiǎn)體中文版Bing于2009年6月1日正式開(kāi)放,其他語(yǔ)言版本于200年6月3日正式在全球范圍內發(fā)布。微軟方面稱(chēng),此款搜索引擎將以全新姿態(tài)面世,將帶來(lái)新革命。其內測代號為“Kumo”,后來(lái)才被命名為“Bing”
 
搜搜:騰訊旗下的搜索網(wǎng)站,是騰訊的主要業(yè)務(wù)單元之一,于2006年3月正式發(fā)布并開(kāi)始運營(yíng)。搜搜目前已成為中國網(wǎng)民首選的三大搜索引擎之一,主要提供實(shí)用便捷的搜索服務(wù),同時(shí)承擔騰訊的全部搜索業(yè)務(wù),是騰訊整體在線(xiàn)生活戰略中重要的組成部分。
 
2.搜索引擎的工作原理
 
搜索引擎要“知道”網(wǎng)上的新生事物,就得派“人”出去收集。每天都有新的網(wǎng)站,每天都有新的內容,而且這些新的內容是爆炸式的,靠人工不可能完成收集任務(wù),所以搜索引擎的發(fā)明者就設計了一個(gè)計算機程序來(lái)執行這個(gè)任務(wù),而這個(gè)計算機程序被人們稱(chēng)為“探測器”。
 
探測器有很多叫法,如 Crawler(爬行器)、 Spider(蜘蛛)、 Robot(機器人)。這些叫法形象地描繪了搜索引擎派岀的蜘蛛機器人爬行在互聯(lián)網(wǎng)上探測新信息的情景, Google的探測器叫做 Googlebot,百度的探測器叫做 Baiduspider,Yahoo的探測器叫做Slurp。無(wú)論名字是什么,它們都是人們編制的計算機程序。它們不分晝夜地訪(fǎng)問(wèn)各個(gè)網(wǎng)站,取回網(wǎng)站的內容、標簽、圖片等,然后依照搜索引擎的算法給定制索引。
 
搜索引擎的工作過(guò)程可簡(jiǎn)略分為以下3個(gè)階段。
 
(1)爬行抓取:搜索引擎的蜘蛛程序通過(guò)鏈接爬行到網(wǎng)站,獲得網(wǎng)站頁(yè)面的HML代碼并存入數據庫。
 
(2)索引處理:蜘蛛程序把抓取的頁(yè)面數據中的文字、圖片等信息進(jìn)行索引處理,為排名做準備
 
(3)排名:用戶(hù)輸入關(guān)鍵詞后,搜索引擎的排名算法調用索引數據庫中的信息計算并處理數據,然后按照相應的格式生成結果頁(yè)面。
 
3.爬行抓取
 
搜索引擎蜘蛛程序通過(guò)網(wǎng)頁(yè)的鏈接地址來(lái)尋找網(wǎng)頁(yè),從網(wǎng)站的某一個(gè)頁(yè)面(通常是首頁(yè))開(kāi)始,讀取網(wǎng)頁(yè)的內容,找到網(wǎng)頁(yè)中的其他鏈接地址,然后通過(guò)這些鏈接地址尋找下個(gè)網(wǎng)頁(yè)直這樣循環(huán)下去,直到把這個(gè)網(wǎng)站的所有網(wǎng)頁(yè)都抓取為止。如果網(wǎng)站的內容質(zhì)量不高或者有大量重復信息,蜘蛛程序就沒(méi)有“耐心”抓取網(wǎng)站里的所有信息了。如果把整個(gè)互聯(lián)網(wǎng)當成一個(gè)網(wǎng)站,那么蜘蛛程序就可以用這個(gè)原理把互聯(lián)網(wǎng)上所有的網(wǎng)頁(yè)都抓取下來(lái)。但是,在實(shí)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(shí)間都不是無(wú)限的,它不可能“爬”到所有的頁(yè)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。
 
4.索引處理
 
抓取網(wǎng)頁(yè)后,由分析索引系統程序對收集回來(lái)的網(wǎng)頁(yè)進(jìn)行分析,提取相關(guān)信息(包括網(wǎng)頁(yè)所在URL、編碼類(lèi)型、頁(yè)面內容包含的所有關(guān)鍵詞、關(guān)鍵詞的位置、生成時(shí)間、大小、與其他網(wǎng)頁(yè)的鏈接關(guān)系等),根據一定的相關(guān)度算法進(jìn)行大量復雜的計算,得到每一個(gè)網(wǎng)頁(yè)針對頁(yè)面文字及超鏈中每一個(gè)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(yè)索引數據庫。
 
任何搜索引擎在進(jìn)行內容索引的時(shí)候都是以文字為基礎的。搜索引擎在抓取頁(yè)面的時(shí)候,并非只訪(fǎng)問(wèn)用戶(hù)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(méi)有作用的內容。抓取頁(yè)面之后,搜索引擎就要處理這些信息,從HIML代碼中分離出標簽、代碼,提取有利于網(wǎng)站排名處理的頁(yè)面文字內容。
 
5.排名
 
建立網(wǎng)頁(yè)索引數據庫后,當用戶(hù)輸入關(guān)鍵詞并進(jìn)行搜索時(shí),搜索系統程序會(huì )從網(wǎng)頁(yè)索引數據庫中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁(yè)。因為所有相關(guān)網(wǎng)頁(yè)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)度數值排序,相關(guān)度越高,排名越靠前。
 
影響相關(guān)性的因素包含如下幾個(gè)方面：
 
（1）關(guān)鍵詞岀現的位置:頁(yè)面關(guān)鍵詞岀現的位置會(huì )被搜索引擎抓取并記錄到索引庫中。會(huì )對搜索引擎排名造成影響的關(guān)鍵詞位置包括標題< title >標簽、<H1>標簽等。
 
（2）關(guān)鍵詞出現頻率:一般來(lái)說(shuō),關(guān)鍵詞在頁(yè)面中出現的頻率越高,密度越大,說(shuō)明頁(yè)面與搜索詞的相關(guān)性越高,那么網(wǎng)頁(yè)的排名也較好。但是,如果刻意造成頁(yè)面關(guān)鍵詞堆積,頁(yè)面不僅不會(huì )有較好的排名,而且會(huì )受到搜索引擎的“懲罰”。所以,在進(jìn)行頁(yè)面內容優(yōu)化的時(shí)候,要注意關(guān)鍵詞的密度、頻率都不要太大。
 
（3）頁(yè)面的鏈接也影響著(zhù)關(guān)鍵詞的相關(guān)性。如果頁(yè)面中有較多的搜索詞為錨文本鏈接,就說(shuō)明頁(yè)面的相關(guān)性比較強,這會(huì )對搜索引擎相關(guān)性的計算產(chǎn)生影響。
 
相關(guān)性計算完畢,網(wǎng)站設計過(guò)程中，搜索引擎可能還有一些過(guò)濾算法用于對排名進(jìn)行調整。雖然這些過(guò)濾算法包含對頁(yè)面作弊嫌疑的判定,相關(guān)性較高的頁(yè)面理應排在搜索結果的前面,但是搜索引擎的過(guò)濾算法可在最后的排名中把網(wǎng)站的排名調整到后面去。經(jīng)過(guò)相關(guān)性算法、過(guò)濾算法之后,所有的網(wǎng)站設計關(guān)鍵詞排名都確定了,排名程序調用原始頁(yè)面的信息,并把這些信息在搜索結果中顯示出來(lái)。