《搜索引擎工作原理简单模拟研究报告》由会员分享,可在线阅读,更多相关《搜索引擎工作原理简单模拟研究报告(10页珍藏版)》请在金锄头文库上搜索。
1、搜索引擎工作原理简单模拟,上海易闻SEO培训班,前言,这里的模拟非常简单和傻瓜,但可以说明搜索引擎是如何处理页面的过程。 第一步:通过蜘蛛抓取页面; 什么是蜘蛛? 如何抓取页面?以文本形式下载,送会服务器。,第一步:通过蜘蛛抓取页面,什么是蜘蛛? Googlebot、baiduspider、 Yahoo、Slurp、Msnbot 如何抓取页面? 以文本形式下载,送会服务器。 可能会做一些预处理,比如:压缩等 可能妨碍蜘蛛抓取的行为:跳转、识别分辨率,第二步:网页文件处理,首先过滤所有HTML标签、CSS样式表、JS代码 工具:,百度一下,你就知道新 闻网 页贴 吧知 道MP3图 片帮助高级 空
2、间 | 更多把百度设为首页企业推广|搜索风云榜|关于百度|AboutBaidu2007Baidu使用百度前必读京ICP证030173号,百度首页经过处理后得到后的样子:,第三步:识别文字内容,通过对过滤后文字内容的分析,来判断网页的核心内容。,百度一下,你就知道新 闻网 页贴 吧知 道MP3图 片帮助高级 空间 | 更多把百度设为首页企业推广|搜索风云榜|关于百度|AboutBaidu2007Baidu使用百度前必读京ICP证030173号,搜索引擎程序通过对上面文字的分析,发现以下信息: 一共有95个字符;其中56个中文字。 “百度”出现4次,共8个中文,占16个字符。 8560.14 14
3、% 1695 0.1616% 判断结论:本页面和关键词“百度”有密切关系。,第四步:进行权重分值技术,假设关键词重复1次得1分,那百度首页的得分就是“4” 当然,搜索引擎的真实计算过程非常负责,有数百个参数参与计算。 YAHOO!的工程师告诉我: “所有搜索引擎最核心的是外部链接的技术和关键词密度的技术”,第五步:存入排名数据库,通过以上各种分析后,一个页面就可以存入排名数据库了(也叫索引数据库)。 百度首页就可能放入一个叫“百度”的小数据库中。 以后当用户搜索“百度”时,就打开“百度”小数据库,然后按分值排列,做成HTML展示到用户面前。,搜索引擎的处理过程: 就好比把采来的草药,经过处理,放入对应的抽屉中一样。 - END -,