搜索引擎工作原理简单模拟.pptVIP

搜索引擎工作原理简单模拟 萃工厂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 利用工具： /Tools/Robot.aspx?url= 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。 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。 8÷56≈0.14 ≈14% 16÷95 ≈ 0.16≈16% 判断结论：本页面和关键词“萃工厂”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