SE(搜索引擎)相关知识详解.docxVIP

SE（搜索引擎）相关知识详解 （一）搜索引擎的定义 搜索 HYPERLINK /subview/53607/5078350.htm \t _blank 引擎（Search Engine）是指根据一定的 HYPERLINK /view/117922.htm \t _blank 策略、运用特定的 HYPERLINK /view/178184.htm \t _blank 计算机程序从 HYPERLINK /view/6825.htm \t _blank 互联网上搜集 HYPERLINK /view/1527.htm \t _blank 信息，在对信息进行 HYPERLINK /view/46944.htm \t _blank 组织和 HYPERLINK /view/989420.htm \t _blank 处理后，为用户提供 HYPERLINK /view/677662.htm \t _blank 检索服务，将用户检索相关的信息展示给用户的 HYPERLINK /view/25302.htm \t _blank 系统。搜索引擎包括 HYPERLINK /view/62889.htm \t _blank 全文索引、 HYPERLINK /view/1487025.htm \t _blank 目录索引、 HYPERLINK /view/7203.htm \t _blank 元搜索引擎、 HYPERLINK /view/7491.htm \t _blank 垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。 一个搜索引擎由搜索器 、 HYPERLINK /view/159861.htm \t _blank 索引器 、检索器 和 HYPERLINK /view/1309799.htm \t _blank 用户接口 四个部分组成。搜索器的功能是在 HYPERLINK /view/6825.htm \t _blank 互联网 中漫游，发现和搜集信息。索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项，用于表示 HYPERLINK /view/55621.htm \t _blank 文档 以及生成文档库的索引表。检索器的功能是根据用户的查询在索引库中快速检出文档，进行文档与查询的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制。用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。 (二)SE搜索引擎工作原理 第一步：爬行 搜索引擎是通过一种特定规律的软件跟踪网页的链接，从一个链接爬到另外一个链接，像蜘蛛在蜘蛛网上爬行一样，所以被称为“蜘蛛”也被称为“机器人”。搜索引擎蜘蛛的爬行是被输入了一定的规则的，它需要遵从一些命令或文件的内容。 第二步：抓取存储 搜索引擎是通过蜘蛛跟踪链接爬行到网页，并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时，也做一定的重复内容 HYPERLINK /view/66302.htm \t _blank 检测，一旦遇到权重很低的 HYPERLINK /view/4232.htm \t _blank 网站上有大量抄袭、采集或者复制的内容，很可能就不再爬行。 第三步：预处理 搜索引擎将蜘蛛抓取回来的页面，进行各种步骤的预处理。 ⒈提取文字 ⒉ HYPERLINK /view/19109.htm \t _blank 中文分词 ⒊去停止词 ⒋消除噪音（搜索引擎需要识别并消除这些噪声，比如版权声明文字、导航条、广告等……） 5.正向索引 6.倒排索引 7.链接关系计算 8.特殊文件处理 除了HTML 文件外，搜索引擎通常还能抓取和索引以文字为基础的多种文件类型，如 PDF、Word、WPS、XLS、PPT、TXT 文件等。我们在搜索结果中也经常会看到这些文件类型。 但搜索引擎还不能处理图片、视频、Flash 这类非文字内容，也不能执行脚本和程序。 第四步：排名 用户在搜索框输入关键词后，排名程序调用索引库数据，计算排名显示给用户，排名过程与用户直接互动的。但是，由于搜索引擎的数据量庞大，虽然能达到每日都有小的更新，但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。 选择 与网站内容相关 搜索次数多，竞争小 主关键词，不可太宽泛 主关键词，不太特殊 商业价值 提取文字 中文分词 去停止词 消除噪声 去重 正向索引 倒排索引 链接关系计算 特殊文件处理 （三）SEO的定义及引擎优化方法 HYPERLINK /view/1047.htm \t _blank SEO是由英文Search Engine Optimization缩写而来， 中文意译为“ HYPERLINK /view/1154.htm \t _