|
歡迎來(lái)到致遠(yuǎn)服軟（遼寧）信息技術(shù)有限公司官方網(wǎng)站!
|
|
要是把整個(gè)網(wǎng)絡(luò)當(dāng)成是一個(gè)網(wǎng)站，這樣蜘蛛程序就能用這個(gè)程序把網(wǎng)絡(luò)上所有的頁(yè)面都讀取。但是，在實(shí)際的工作中，搜索引擎蜘蛛程序是不能抓取所有的互聯(lián)網(wǎng)信息的，畢竟蜘蛛程序的帶寬資源、時(shí)間都不是無(wú)限的，它不可能"爬"到所有的頁(yè)面。因?yàn)檫@些因素的限制，引擎搜索就只能爬行和抓取網(wǎng)絡(luò)信息的一小部分。
抓取網(wǎng)頁(yè)后，是通過(guò)分析索引來(lái)對(duì)采集回來(lái)的頁(yè)面進(jìn)行分析，提取相關(guān)信息，然后根據(jù)相關(guān)的算法來(lái)進(jìn)行大量的雜亂的計(jì)算，然后會(huì)得到頁(yè)面中針對(duì)頁(yè)面的內(nèi)容還有超鏈接的每一個(gè)關(guān)鍵字的重要性，然后用這些數(shù)據(jù)來(lái)建立頁(yè)面索引數(shù)據(jù)庫(kù)。
任何搜索引擎在進(jìn)行內(nèi)容索引的時(shí)候都是以文字為內(nèi)容的。引擎搜索在抓取到網(wǎng)頁(yè)的時(shí)候，并不是只有訪問(wèn)的用戶可以看到的文字內(nèi)容，還包含大量的HTML前端代碼、CSS代碼、JavaScript代碼等對(duì)排名沒(méi)有作用的內(nèi)容。抓取頁(yè)面之后，引擎搜索就得對(duì)這些信息進(jìn)行處理，從HTML前端的代碼中區(qū)分標(biāo)簽、代碼，抓取有利于網(wǎng)站的排名處理的網(wǎng)頁(yè)內(nèi)容。
一大串字符中，除去這些HTML代碼后，剩下的文字只有"英國(guó)虛擬主機(jī)商Host1Plus發(fā)布中文站"一行。通過(guò)這個(gè)例子可以看出，搜索引擎在抓取頁(yè)面代碼后，要取出有用的文字信息，可以方便下面的排名工作。
| 公司動(dòng)態(tài)推薦 |
|
