百度搜索引擎优化白皮书(搜索引擎整个工作原理过程分析，及有哪些影响？-八维教育)

　　百度搜索引擎优化白皮书(搜索引擎整个工作原理过程分析，及有哪些影响？-八维教育)

　　作为seo工作者，需要了解搜索引擎的运行原理，包括页面质量白皮书和搜索引擎优化指南。今天，我们将重点分析搜索引擎的整个工作原理。

　　搜索引擎的主要工作流程包括：抓取、存储、页面分析、索引、检索等主要流程。也就是说，爬取、过滤、收录、排序这四个过程是经常提到的。下面详细解释每个过程及其影响

　　一、搜索引擎抓取

　　蜘蛛抓取系统是搜索引擎数据来源的重要保障。如果把网理解为一个有向图，那么蜘蛛的工作过程可以看作是对这个有向图的一次遍历。从一些重要的*敏*感*词*网址开始，通过页面上的超链接关系，不断发现和抓取新的网址，尽可能多的抓取有价值的网页。

　　

　　影响爬行的因素

　　1、 抓取友好性

　　互联网资源的巨大数量级要求抓取系统尽可能高效地使用带宽，在有限的硬件和带宽资源下抓取尽可能多的有价值的资源。

　　2、 使用抓取返回码表示

　　简单介绍一下百度支持的几种返回码：

　　1） 最常见的 404 代表“未找到”。认为该网页无效，通常会从库中删除。同时，如果蜘蛛在短期内再次找到这个url，则不会被抓取；

　　2）503 代表“服务不可用”。认为是网页暂时无法访问，通常网站暂时关闭，带宽受限等都会造成这种情况。

　　3）403 代表“Forbidden”，认为该网页当前被禁止。如果是新的url，蜘蛛暂时不会抓取，会在短时间内多次访问；如果是收录url，不会直接删除，短时间内会被访问多次。如果网页访问正常，就会正常抓取；如果仍然禁止访问，则此 url 也将被视为无效链接并从库中删除。

　　4）301 代表“Moved Permanently”，认为网页被重定向到新的url。遇到网站迁移、域名更换、网站改版时，建议使用301返回码，并使用站长平台网站改版工具，减少改版带来的网站流量损失。

　　3、优先分配

　　由于互联网资源规模的巨大而快速的变化，搜索引擎几乎不可能全部捕获并合理更新以保持一致性。这就需要爬取系统设计一套合理的爬取优先级。部署策略。主要包括：深度优先遍历策略、广度优先遍历策略、pr-first策略、反链策略、社交分享引导策略等。

　　4、反向作弊

　　蜘蛛在爬取过程中经常会遇到所谓的爬取黑洞或者面临大量低质量页面的困扰，这就需要爬取系统也设计了一套完整的爬取防作弊系统

　　1.网站更新频率：更新来得快，更新来得慢，直接影响百度蜘蛛的访问频率

　　2. 网站 更新质量：更新频率增加，刚刚引起了百度蜘蛛的关注。百度蜘蛛对质量有严格的要求。如果网站每天更新的大量内容被百度蜘蛛判定为低质量页面仍然没有意义。

　　3. 连接性：网站应安全稳定，并保持对百度蜘蛛的开放。经常养百度蜘蛛可不是什么好事

　　4.站点评价：百度搜索引擎会对每个站点都有一个评价，这个评价会根据站点情况不断变化，是百度搜索引擎对站点的基本评分

　　

　　二、搜索引擎过滤垃圾邮件

　　1. 内容重复的网页：网上已有的内容无需百度收录。

　　2. 主要内容短而空的网页

　　1） 部分内容使用了百度蜘蛛无法解析的技术，如JS、AJAX等，虽然用户访问时可以看到丰富的内容，但还是会被搜索引擎抛弃

　　2） 加载过慢的网页也可能被视为空的短页面。请注意，广告加载时间收录在网页的整体加载时间中。

　　3）很多主体不突出的网页，即使爬回来，也会在这个链接中被丢弃。

　　3. 一些作弊页面

　　4、 各种过滤，例子可能包括过滤掉死链接、重复数据、*敏*感*词*、垃圾结果，以及你所知道的；

　　三、如何更好的成为收录，创建索引

　　哪些网页可以进入优质索引库？其实总的原则是一个：对用户有价值。包括但不仅限于：

　　1、时效性与价值性页面：在这里，时效性与价值性是平行关系，缺一不可。有的网站为了生成时间敏感的内容页面，做了很多采集的工作，结果是一堆毫无价值的页面，百度不想看到。

　　2. 优质内容的专题页：专题页的内容可能不完全原创，也就是可以很好的整合各方内容，或者一些新鲜的内容，比如意见、评论，可以为用户添加更丰富、更全面的内容。

　　3、高价值的原创内容页面：百度将原创定义为文章经过一定的成本和大量的经验形成的。不要再问我们伪原创 是否是原创。

　　4.重要的个人页面：这里只是一个例子。科比已经在新浪微博上开设了一个账户。即使他不经常更新，对于百度来说，它仍然是一个极其重要的页面。

　　

　　四、百度搜索引擎排名的影响因素

　　1、相关性：网页内容与用户搜索需求的匹配程度，如网页中收录的用户查看关键词的次数，这些关键词出现在什么地方；外部网页指向页面使用的锚文本 Wait

　　2、权限：用户喜欢网站提供的内容，具有一定的权限。相应地，百度搜索引擎也更加相信优质权威网站提供的内容。

　　3. 时效性：时效性结果是指新出现的网页，该网页带有新鲜的内容。目前，时间敏感的结果在搜索引擎中变得越来越重要。

　　4、重要性：网页内容与用户检查需求匹配的重要程度或流行程度

　　5.丰富性：丰富性看似简单，其实是一个涵盖面很广的命题。可以理解为网页内容丰富，完全可以满足用户的需求；既可以满足用户的单一需求，又可以满足用户的扩展需求。

　　6. 流行度：指网页是否流行。

　　7、最终排名，将最符合用户需求的结果排在最前面，可能收录以下有用信息：网站的综合评价、网页质量、内容质量、资源质量、匹配度度、分散度、及时性等。

　　总结：这整个过程就是搜索引擎爬到排名结果页面的计算过程。当然，影响排名的因素有很多。这是一个网页分析技术，但是网站的总分是由每个页面组成的。所以需要优化每个网页的细节，做好用户体验，提升网站的排名。