SEO中的搜索引擎蜘蛛技術(shù)探析

SEO中的搜索引擎蜘蛛技術(shù)探析

搜索引擎技術(shù)抓取網(wǎng)絡(luò)中海量信息，隨著信息增長(zhǎng)該技術(shù)作用變得越來越凸出，作為SEO技術(shù)人員，雖沒必要像ZAC對(duì)搜索引擎優(yōu)化技術(shù)了解的很透徹，但是分析了解搜索引擎的蜘蛛其對(duì)文件的處理方法，研究其搜索與更新策略，是作為SEOer該有的業(yè)務(wù)發(fā)展需要。任何一個(gè)網(wǎng)站只要內(nèi)容更新+外鏈都能看到搜索引擎對(duì)該網(wǎng)站做出相對(duì)應(yīng)的分析，進(jìn)而增加頁面權(quán)重，了解搜索引擎技術(shù)，從而為我們根據(jù)實(shí)質(zhì)性的原理來進(jìn)行搜索引擎優(yōu)化，這才是SEO明智之舉，而不是每天在那發(fā)外鏈更新網(wǎng)站內(nèi)容，業(yè)余時(shí)間還是得學(xué)學(xué)相關(guān)技術(shù)。下面介紹下搜索引擎核心檢索技術(shù)。一蜘蛛工作原理網(wǎng)絡(luò)蜘蛛也就是搜索引擎蜘蛛，是通過鏈接地址來尋找網(wǎng)頁的。搜索引擎蜘蛛名稱根據(jù)搜索引擎都不同。那它的原理是由一個(gè)啟始鏈接開始抓取網(wǎng)頁內(nèi)容，同時(shí)也采集網(wǎng)頁上的鏈接，并將這些鏈接作為它下一步抓取的鏈接地址，如此循環(huán)，直到達(dá)到某個(gè)停止條件后才會(huì)停止。停止條件的設(shè)定通常是以時(shí)間或是數(shù)量為依據(jù)，可以通過鏈接的層數(shù)來限制網(wǎng)絡(luò)蜘蛛的爬取。同時(shí)頁面信息的重要性為客觀因素決定了蜘蛛對(duì)該網(wǎng)站頁面的檢索。站長(zhǎng)工具中的搜索引擎蜘蛛模擬器其實(shí)它就是這個(gè)原理，準(zhǔn)不準(zhǔn)確筆者也不清楚?；谶@蜘蛛工作原理，站長(zhǎng)都會(huì)不自然的增加頁面關(guān)鍵詞出現(xiàn)次數(shù)，雖然對(duì)密度產(chǎn)生量的變化，但對(duì)蜘蛛而言并沒達(dá)到一定質(zhì)的變化。這在搜索引擎優(yōu)化過程中應(yīng)該要避免的。二搜索引擎蜘蛛與網(wǎng)站的交互問題搜索引擎技術(shù)基礎(chǔ)中，蜘蛛爬取到網(wǎng)站中，通常會(huì)去檢索一個(gè)文本文件Robots.txt，通常存放在網(wǎng)站的根目錄下。它是專門用來同網(wǎng)絡(luò)蜘蛛交互用的專用文件。這也就是SEOer老是去屏蔽網(wǎng)站頁面不想被搜索引擎抓取的原因，它是一個(gè)網(wǎng)站和搜索引擎蜘蛛對(duì)話的重要工具，但是蜘蛛是否都遵循站長(zhǎng)對(duì)其實(shí)施的規(guī)則呢?其實(shí)蜘蛛遵循還是得看蜘蛛出身，素質(zhì)高的會(huì)遵循規(guī)則，相反則不遵循。另外在網(wǎng)站中放入一個(gè)叫做sitmap.htm的網(wǎng)頁，并將它作為網(wǎng)站的入口文件，這也是蜘蛛與網(wǎng)站的交互方法。對(duì)于交互性的SEO手段，我們了解了就可以針對(duì)性的做出符合搜索引擎的蜘蛛喜好的網(wǎng)站地圖。頁面Meta字段也是站長(zhǎng)經(jīng)常使用的搜索引擎優(yōu)化技術(shù)，這個(gè)字段通常會(huì)放在文檔的頭部，很多站點(diǎn)都只是簡(jiǎn)單的寫個(gè)允許百度抓取的字段，正不正確筆者不清楚，SEO其實(shí)很多現(xiàn)象都是基于數(shù)據(jù)分析對(duì)比才能得知。Meta字段蜘蛛可以在沒有讀取到全部文檔的情況下就了解文檔的相關(guān)信息，可以避免將無效的網(wǎng)頁取下來后又將其廢棄而造成無謂的浪費(fèi)。三搜索引擎蜘蛛對(duì)于文件的處理(一)二進(jìn)制文件處理網(wǎng)絡(luò)中除了HTML文件和XML文件外，也有大量的二進(jìn)制文件，搜索引擎對(duì)二進(jìn)制文件采用單獨(dú)處理的方式，其對(duì)內(nèi)容的理解完全需要依靠二進(jìn)制文件的錨點(diǎn)描述來完成。錨點(diǎn)描述通常代表了文件的標(biāo)題或是基本內(nèi)容，也就是通常所說的錨文字這就是為什么我們要對(duì)網(wǎng)站錨文字的分析選擇的原因所在。(二)腳本文件的處理網(wǎng)頁中的客戶端腳本，當(dāng)網(wǎng)頁加載至讀取到該腳本，搜索引擎往往會(huì)直接省略對(duì)它的處理。但是由于現(xiàn)在網(wǎng)站設(shè)計(jì)者對(duì)于無刷新頁面要求的提高和對(duì)ajax技術(shù)的大量使用，對(duì)它的分析處理往往會(huì)采用另外一種網(wǎng)頁檢索程序，由于腳本程序復(fù)雜和多樣性，通常站長(zhǎng)會(huì)根據(jù)自身網(wǎng)站將這些腳本存放到一個(gè)文檔中，采用調(diào)用技術(shù)，從而加快頁面加載速度，同時(shí)蜘蛛也不能對(duì)調(diào)用文件分析處理。這也屬于搜索引擎優(yōu)化技術(shù)，如果忽略了對(duì)它的處理將會(huì)是一項(xiàng)巨大的損失。(三)不同文件類型處理對(duì)于網(wǎng)頁內(nèi)容的提取分析一直是網(wǎng)絡(luò)蜘蛛的重要技術(shù)環(huán)節(jié)，這也是SEO需要去了解的搜索引擎技術(shù)，這取決于網(wǎng)站信息更新的多樣性。這也就是為什么專業(yè)網(wǎng)站上會(huì)在網(wǎng)站內(nèi)附有下載的execl，pdf等各種文件類型，這也是屬于搜索引擎優(yōu)化過程中需要注意的。網(wǎng)上不同文件類型文件的處理，網(wǎng)絡(luò)蜘蛛通常是采用插件的方式來處理。如果有能力，網(wǎng)站信息內(nèi)容的更新盡可能采取多樣性，來幫助網(wǎng)站達(dá)到一個(gè)搜索信息多樣化的SEO體系。四搜索引擎蜘蛛的策略分析(一)搜索策略搜索策略一般有深度優(yōu)先的搜索策略和廣度優(yōu)先的搜索策略兩種。廣度優(yōu)先的搜索策略一般被認(rèn)為是盲目的搜索。它是一種以搜索更多的網(wǎng)頁為優(yōu)先的一種貪婪的搜索策略。只要有東西檢索，它就抓取。它會(huì)先讀取一個(gè)文檔，保存下文檔上的所有鏈接，然后讀取所有這些鏈接文檔，并依次進(jìn)行下去。深度優(yōu)先的搜索策略網(wǎng)絡(luò)蜘蛛程序分析一個(gè)文檔，并取出它的第一個(gè)鏈接所指的文檔繼續(xù)分析，然后如此繼續(xù)下去。這樣的搜索策略達(dá)到了網(wǎng)站結(jié)構(gòu)的分析，以及頁面鏈接深度分析，從而傳達(dá)網(wǎng)站信息。還有網(wǎng)絡(luò)上說的算法，如Hash算法，遺傳算法等都是基于搜索引擎核心技術(shù)，這些也可以去了解下，比如最新的熊貓算法，這也是基于搜索策略的一種新算法，谷歌對(duì)其已經(jīng)更新好幾次了。(二)更新策略以網(wǎng)頁變化的周期為依據(jù)，只對(duì)那些經(jīng)常變化的網(wǎng)頁做更新操作也是一些小型的搜索引擎常采用的方法。