在互聯(lián)網(wǎng)時代，搜索引擎可以說是日常生活的一部分。不僅如此，搜索引擎歷經(jīng)20多年的風霜雨雪，仍然牢牢占據(jù)著流量入口，不得不讓人感嘆。

而且，提起搜索引擎，我們都會想到一家高大上的巨無霸公司和一家被黑出xiang的巨霸公司。足以見得搜索引擎的巨大作用。

作為產(chǎn)品人，對此當然不能視而不見，也應(yīng)該了解了解其工作原理。

搜索引擎工作原理大致可以分為3個步驟

1. 爬行與抓取

2. 預處理

3. 排序

所謂一圖勝千言，沒圖我說個……

PS：上圖總結(jié)自《SEO實戰(zhàn)密碼》。

下面詳細敘述：

爬行與抓取

簡單地說：就是搜索引擎蜘蛛沿著互聯(lián)網(wǎng)絡(luò)爬行并抓取其爬行的頁面，將這些抓取的頁面存儲起來。

說到這，你可能會問：為什么叫「蜘蛛」？

為了抓取盡量多的頁面，搜索引擎會跟蹤頁面上的鏈接，從一個頁面爬行到下一個頁面，好像蜘蛛在蜘蛛網(wǎng)上爬行那樣，這就是 搜索引擎蜘蛛 這個名稱的由來。

搜索引擎在跟蹤網(wǎng)絡(luò)上的鏈接時，會使用一定策略，因為現(xiàn)在的網(wǎng)絡(luò)鏈接太多。最簡單的爬行遍歷策略有兩種，一種是 深度優(yōu)先 ，一種是 廣度優(yōu)先 。

還有一點值得一提：搜索引擎訪問網(wǎng)站頁面時 類似于普通用戶使用的瀏覽器 。搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁面數(shù)據(jù)庫，其中的頁面數(shù)據(jù)與用戶瀏覽器得到的HTML完全一樣。

預處理

由于抓取的頁面數(shù)量太大（以”億”為單位），無法快速實時排序，所以需要預處理。這就是產(chǎn)品設(shè)計中的「 復雜性守恒原則 」，我們沒辦法讓用戶等待十幾秒甚至更久，就只能在后臺處理上下功夫。

在一些資料中，「預處理」也被稱為「索引」，因為「索引」是預處理最主要的內(nèi)容。

預處理的過程比較復雜，值得一提的有這么幾點：

去重 ：對于內(nèi)容相似度高的，搜索引擎不喜歡，因為用戶不喜歡這樣的內(nèi)容。而且，搜索引擎的去重算法很可能不止于頁面級別，而是進行到段落級別。因此，混合不同文章、交叉調(diào)換段落順序也不能使轉(zhuǎn)載和抄襲變成原創(chuàng)。所以， 少抄襲，多原創(chuàng)吧 。

正向索引 ：可以簡稱為「索引」。通過這個步驟，搜索引擎將頁面及關(guān)鍵詞形成詞表結(jié)構(gòu)存儲進索引庫。簡化的索引詞表形式如下。你看，這樣就得到了每個文件（如每個頁面）的對應(yīng)關(guān)鍵詞。這樣用戶就能搜索了嗎？還不行。

倒排索引 ：正向索引雖然提供了文件與關(guān)鍵詞的對應(yīng)關(guān)系，但無奈用戶搜索的是關(guān)鍵詞，因此搜索引擎還需根據(jù)這些對應(yīng)關(guān)系找到某關(guān)鍵詞對應(yīng)的文件，這樣的計算量無法滿足實時返回排名結(jié)果的要求。因此，還需要 倒排索引 。倒排索引與正向索引剛好相反，它以關(guān)鍵詞為關(guān)鍵，簡單來說如下表：

得到了倒排索引，就能很快地根據(jù)用戶搜索的關(guān)鍵詞找到對應(yīng)文件，但這樣就夠了嗎？別天真啊。

通過上述步驟，其實只得到了頁面本身的內(nèi)容。說白了，就是頁面本身告訴搜索引擎自己如何如何。

俗話說：王婆賣瓜，自賣自夸。

就像我們網(wǎng)購時不僅會看店家給的商品介紹，還會看看買家的評論一樣，頁面內(nèi)容質(zhì)量，也需要其他人的評價——這里的「其他人」指「其他頁面?！顾裕覀冞€需要鏈接關(guān)系計算。

鏈接關(guān)系計算 ：每個頁面上都有鏈接，不同頁面之間用鏈接互相關(guān)聯(lián)起來，這些關(guān)聯(lián)關(guān)系，就形成了其他頁面對某個頁面的評價。這些復雜的鏈接指向關(guān)系形成了網(wǎng)站和頁面的鏈接權(quán)重。

排名

發(fā)現(xiàn)沒有：排名，是用戶是用戶唯一能感覺到的步驟，爬行與抓取、預處理，都在后臺完成。正因如此，用戶才會感到用起來十分快捷。

排名的過程也比較復雜，其中值得一提的有如下幾點：

搜索詞處理 ：說白了，就是處理用戶輸入的關(guān)鍵詞。這一步對用戶來說更為關(guān)鍵，因為搜索引擎還不夠智能，需要我們?nèi)W習一些高級指令，以獲得更為精準的內(nèi)容。

但由于每個關(guān)鍵詞對應(yīng)的文件數(shù)量都可能是巨大的（如幾億個），處理如此龐大的數(shù)據(jù)量，無法滿足用戶對「快」的需求。同時，用戶并不需要所有內(nèi)容，他們往往只查看前幾頁內(nèi)容，甚至很多用戶只查看第一頁的前幾條內(nèi)容。因此，選擇一定數(shù)量的內(nèi)容進行處理，很有必要。這就涉及到 選擇初識子集 。

但如何選擇呢？這是一個問題。

選擇初識子集 ：選擇出示子集，關(guān)鍵在于「 權(quán)重 」。所以說權(quán)重有多重要，即使頁面做得好，但權(quán)重不高，連做備胎的機會都沒有。

相關(guān)性計算 ：這是排名過程中最重要的一步，最終搜索結(jié)果頁面的排名基本按照相關(guān)性從高到低排序。

但到此就結(jié)束了嗎？還沒有哦。

排名過濾及調(diào)整 ：為了保證用戶搜索結(jié)果更符合用戶需求，搜索引擎需要過濾掉那些處心積慮鉆空子的頁面，在這一步，搜索引擎會找出這些頁面并施加懲罰。典型的例子是百度的11位。所以，過度優(yōu)化有風險。

查詢及點擊日志 ：通過這一步，搜索引擎記錄了用戶的一些數(shù)據(jù)，從而為后續(xù)的優(yōu)化提供依據(jù)。這和產(chǎn)品日常工作中的數(shù)據(jù)埋點有些相似。

網(wǎng)頁標題：搜索引擎工作原理
URL標題：http://www.rwnh.cn/news47/72697.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計、商城網(wǎng)站、網(wǎng)站建設(shè)、域名注冊、品牌網(wǎng)站建設(shè)、網(wǎng)站維護

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)