搜索引擎是如何进行网站的抓取

一、蜘蛛是什么
我们把搜索引擎比喻无边无际的网络海洋，有海量的信息。“蜘蛛”就是计算机的的一套程序，专门来抓取检索互联网上的信息。“蜘蛛”也叫爬虫和机器人，就是一套信息抓取系统。互联网就像一张蜘蛛网，像“蜘蛛”一样在互联网上反复地爬来爬去，不知道累的，所以叫作网络蜘蛛。
二、搜索过程
当我们在搜索框中搜索一个关键词的时候，输出的结果搜索引擎是经过一些很常复杂一个过程才能展现给用户，一般都需要经过四个过程：抓取、过滤、建立索引和输出结果。当我们在搜索引擎看到的只是一结果，搜索根据各种算法，把某个关键词的展现在首页的第一位。

三、收录过程
收录过程就要经过上面所的四个过程：抓取、过滤、建立索引和输出结果。
1、抓取
网站有没有被收录首先要看一下网站的蜘蛛访问日志，看一下蜘蛛有没有来，如果蜘蛛都没有抓取那是不可能被收录的。收录的前提是要搜索引擎要来抓取，这个可以从网站的IIS日志里面可以看得到，也就是服务器日志，如果没有来呢?那么就主动向搜索引擎提交，搜索引擎会派出蜘蛛来抓取网站，这才有可能被收录。
2、过滤
网站被抓取了并不代表一定会被收录这个不一定。蜘蛛来抓取了会把数据带回去，放到临时的数据库中，再进行过滤。过滤掉一些垃圾的内容或者是低质量的内容。看你的信息是不是采集，在互联网上有大量的相同信息，它不会把你的信息建立索引。有的时候我们自己写的文章也不会被收录，那都是我们一个字一个字搞出来的，那难道不是一篇很好的原创吗?的确是一篇不错原创内容，为什么有时不会被收录呢?那就低质量的内容，低质量的内容看的不是你文章写得有多么的精彩，那要看你文章是不是用户所关注的，是不是用户所需求的，在前也有提到内容的添加技巧。
3、建立索引与输出结果
通过一系列的要求，符合收录的内容之后建立索引，建立索引之后这个时候就是被收录了的。当用户在搜索关键词就会输出结果，输出的结果排在第一的，是有搜索引擎内的各算法比如一些外链的投票，匹配是否相关等等的一系统的算法，把你的页面排在前面。在这里收录还有一种情况，收录只经过抓取再到输出结果，中间的两个过程是没有经过的，就是说抓取到马上就收录的。这是在什么情况下呢?那就是具有很强的时效性的内容，比如新闻类的，它就具有很强的时效性，比效今天发生了一件特大事件给大部分的用户所关注，所以所发布信息给抓取到了，搜索引擎会第一时间展现给用户。这样信息一过用户就不会再去关注了，以后就没有太大的价值，在里就有一个问题，用户所关注度过了之后，搜索引擎会从重检索这一类内容，如果是垃圾内容，低质量内容还是会给搜索引擎过滤掉的。

四、蜘蛛抓取的两种策略
1、广度优先
广度优先是指网络蜘蛛会先抓取起始网页中链接的所有网页，然后再选择其中的一个链接网页，继续抓取在此网页中链接的所有网页。这一种抓取方法速度是很快的，这是最常见的方式，因为这个方法可以让网络蜘蛛并行处理，提高其抓取速度。
2、深度优先
深度优先是指网络蜘蛛会从起始页面开始，一个链接一个链跟踪下去，处理完这条路线之后再转入一下个起始页，继续跟踪链接。这一种方法抓取速度会比较慢一些，有可能抓着抓着就找不到回到起始页的方向。这两种方法只是蜘蛛抓取的策略，只作一个了解就可以了。

本文标题：搜索引擎是如何进行网站的抓取
网页路径：/news35/243785.html

成都网站建设公司_创新互联，为您提供搜索引擎优化、虚拟主机、星空体育app最新版本(2024已更新)、品牌网站建设、外贸网站建设、ChatGPT

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联