最近不少朋友向我詢問百度谷歌等大型網(wǎng)站收錄網(wǎng)頁提交入口地址是多少，今天小編就為大家整理一下百度谷歌等大型網(wǎng)站收錄網(wǎng)頁提交入口地址，希望對大家有所幫助。

　　搜索引擎

　　搜索引擎是指根據(jù)一定的策略、運用特定的計算機程序從互聯(lián)網(wǎng)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(tǒng)。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(guī)律的軟件跟蹤網(wǎng)頁的鏈接，從一個鏈接爬到另外一個鏈接，像蜘蛛在蜘蛛網(wǎng)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(guī)則的，它需要遵從一些命令或文件的內(nèi)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(wǎng)頁，并將爬行的數(shù)據(jù)存入原始頁面數(shù)據(jù)庫。其中的頁面數(shù)據(jù)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(nèi)容檢測，一旦遇到權(quán)重很低的網(wǎng)站上有大量抄襲、采集或者復制的內(nèi)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

　?、仓形姆衷~

　?、橙ネＶ乖~

　?、聪胍?搜索引擎需要識別并消除這些噪聲，比如版權(quán)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(jié)果中也經(jīng)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(nèi)容，也不能執(zhí)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(diào)用索引庫數(shù)據(jù)，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(shù)據(jù)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(guī)則都是根據(jù)日、周、月階段性不同幅度的更新。

最新評論