当前位置：网站首页 > 搜索引擎工作原理

搜索引擎工作原理 _{带你深入了解搜索引擎的工作方式}

搜索引擎(search engine)是指根据一定的策略、运用特定的计算机程序搜集互联网上的信息，在对信息进行组织和处理后，并将处理后的信息显示给用户，是为用户提供检索服务的系统。

一、了解爬行器或爬行蜘蛛是怎样搜集信息

搜索引擎的信息搜集基本都是自动的。搜索引擎利用称为网络蜘蛛(spider)的自动搜索机器人程序来连上每一个网页上的超连结。

那么它就必须到这个浩瀚的互联网世界是抓取这些信息。据报道，全球网民已经达到十几亿的规模了，那么这十几亿网民中，可想而知，每天能够产生多少信息？搜索引擎又有何能耐把这么多的信息收录在自己的信息库中？它又如何做到以最快的速度取得这些信息的呢？

首先，了解什么是爬行器（crawler），或叫爬行蜘蛛（spider）。称谓很多，但指的都是同一种东西，都是描述搜索引擎派出的蜘蛛机器人在互联网上探测新信息。而各个搜索引擎对自己的爬行器都有不同的称谓：百度的叫Baiduspider；Google的叫Googlebot，MSN的叫 MSNbot，Yahoo则称为Slurp。这些爬行器其实是用计算机语言编制的程序，用以在互联网中不分昼夜的访问各个网站，将访问的每个网页信息以最快的速度带回自己的大本营。

二、搜索引擎每次能带回多少信息怎样整理信息

要想这些爬行蜘蛛每次能够最大最多的带回信息，仅仅依靠一个爬行蜘蛛在互联网上不停的抓取网页肯定是不够的。所以，搜索引擎通过都会派出很多个爬行蜘蛛，让它们通过浏览器上安装的搜索工具栏，或网站主从搜索引擎提交页面提交而来的网站为入口开始爬行，爬行到各个网页，然后通过每个网页的超级链接进入下一个页面，这样不断的继续下去

搜索引擎整理信息的过程称为"建立索引"。搜索引擎不仅要保存搜集起来的信息，还要将它们按照一定的规则进行编排。

三、蜘蛛们是如何爬行的？

所有的蜘蛛的工作原理都是首先从网络中抓取各种信息回来，放置于数据仓库里。为什么称为数据仓库？因为此时的数据是杂乱无章的，还是胡乱的堆放在一起的。因此，此时的信息也是不会出现在搜索结果中的，这就是为什么有些网页明明有蜘蛛来访问过，但是在网页中还不能找到结果的原因。

搜索引擎将从网络中抓取回来的所有资料，然后通过关键字描述等相关信息进行分门别类整理，压缩后，再编类到索引里，还有一部分抓取回来经过分析发现无效的信息则会被丢弃。只有经过编辑在索引下的信息，才能够在搜索结果中出现。最后，搜索引擎则经过用户敲击进的关键字进行分析，为用户找出最为接近的结果，再通过关联度由近及远排列下来，呈现在最终用户眼前。

用户向搜索引擎发出查询，搜索引擎接受查询并向用户返回资料。搜索引擎每时每刻都要接到来自大量用户的几乎是同时发出的查询，它按照每个用户的要求检查自己的索引，在极短时间内找到用户需要的资料，并返回给用户。

四、重点介绍谷歌Google搜索引擎

Google搜索引擎使用两个爬行器来抓取网页内容，分别是：Freshbot和Deepbot。深度爬行器（Deepbot）每月执行一次，其受访的内容在Google的主要索引中，而刷新爬行器（Freshbot）则是昼夜不停的在网络上发现新的信息和资源，之后再频繁地进行访问和更新。因为，一般Google第一次发现的或比较新的网站就在Freshbot的名单中进行访问了。

Freshbot的结果是保存在另一个单独的数据库中的，由于Freshbot是不停的工作，不停的刷新访问内容，因些，被它发现或更新的网页在其执行的时候都会被重写。而且这些内容是和Google主要索引器一同提供搜索结果的。而之前某些网站在一开始被Google收入，但是没几天，这些信息就在Google的搜索结果中消失了，直到一两个月过去了，结果又重新出现在Google的主索引中。这就是由于Freshbot在不停的更新和刷新内容，而Deepbot要每月才出击一次，所以这些在Freshbot里的结果还没有来得及更新到主索引中，又被新的内容代替掉。直到Deepbot重新来访问这一页，收录才真正进入Google的主索引数据库中！

全世界有成千上万个被称为“搜索引擎”的网站。实际上，这些网站中真正是搜索引擎的不过10个。其中最著名的是Google, Yahoo, Alltheweb, AltaVista和Inktomi等。其他网站的搜索结果都来自于这些搜索引擎，或者他们之间的搜索结果交叉使用。为了让您更好地进行网站推广，对网站进行搜索引擎优化是少不了的。