搜索引擎工作原理簡單模擬.ppt

搜索引擎工作原理簡單模擬,上海易聞SEO培訓(xùn)班,前言,這里的模擬非常簡單和傻瓜，但可以說明搜索引擎是如何處理頁面的過程。 第一步：通過蜘蛛抓取頁面； 什么是蜘蛛？ 如何抓取頁面？以文本形式下載，送會服務(wù)器。,第一步：通過蜘蛛抓取頁面,什么是蜘蛛？ Googlebot、baiduspider、 Yahoo、Slurp、Msnbot 如何抓取頁面？ 以文本形式下載，送會服務(wù)器。 可能會做一些預(yù)處理，比如：壓縮等 可能妨礙蜘蛛抓取的行為：跳轉(zhuǎn)、識別分辨率,第二步：網(wǎng)頁文件處理,首先過濾所有HTML標(biāo)簽、CSS樣式表、JS代碼 工具：/Seo/Spider.asp,百度一下，你就知道新 聞網(wǎng) 頁貼 吧知 道MP3圖 片幫助高級 空間 | 更多把百度設(shè)為首頁企業(yè)推廣|搜索風(fēng)云榜|關(guān)于百度|AboutBaidu2007Baidu使用百度前必讀京ICP證030173號,百度首頁經(jīng)過處理后得到后的樣子：,第三步：識別文字內(nèi)容,通過對過濾后文字內(nèi)容的分析，來判斷網(wǎng)頁的核心內(nèi)容。,百度一下，你就知道新 聞網(wǎng) 頁貼 吧知 道MP3圖 片幫助高級 空間 | 更多把百度設(shè)為首頁企業(yè)推廣|搜索風(fēng)云榜|關(guān)于百度|AboutBaidu2007Baidu使用百度前必讀京ICP證030173號,搜索引擎程序通過對上面文字的分析，發(fā)現(xiàn)以下信息： 一共有95個(gè)字符；其中56個(gè)中文字。 “百度”出現(xiàn)4次，共8個(gè)中文，占16個(gè)字符。 8560.14 14% 1695 0.1616% 判斷結(jié)論：本頁面和關(guān)鍵詞“百度”有密切關(guān)系。,第四步：進(jìn)行權(quán)重分值技術(shù),假設(shè)關(guān)鍵詞重復(fù)1次得1分，那百度首頁的得分就是“4” 當(dāng)然，搜索引擎的真實(shí)計(jì)算過程非常負(fù)責(zé)，有數(shù)百個(gè)參數(shù)參與計(jì)算。 YAHOO！的工程師告訴我： “所有搜索引擎最核心的是外部鏈接的技術(shù)和關(guān)鍵詞密度的技術(shù)”,第五步：存入排名數(shù)據(jù)庫,通過以上各種分析后，一個(gè)頁面就可以存入排名數(shù)據(jù)庫了（也叫索引數(shù)據(jù)庫）。 百度首頁就可能放入一個(gè)叫“百度”的小數(shù)據(jù)庫中。 以后當(dāng)用戶搜索“百度”時(shí)，就打開“百度”小數(shù)據(jù)庫，然后按分值排列，做成HTML展示到用戶面前。