搜索引擎优化案例分析(页面抓取只是搜索引擎工作中的个基本链接(图))

　　搜索引擎优化案例分析(页面抓取只是搜索引擎工作中的个基本链接(图))

　　页面抓取只是搜索引擎如何工作的一个基本链接。抓取页面时，它并不代表立即将查询提供给最终用户的搜索引擎。由于用户使用搜索引擎来查询单词或词组，所以到目前为止，搜索引擎只能提供整个原创页面，无法返回符合用户查询条件的信息。因此，搜索引擎还需要对原创页面进行一系列的分析处理，以满足用户的信息查询习惯。

　　首先，搜索引擎对存储的原创页面进行索引，然后过滤原创网页的标签信息，从网页中提取文本信息。然后对文本信息进行裁剪，建立关键词索引，得到页面与关键词的对应关系。之后，对所有关键词进行了重组和构建。垂直键和页面之间的对应关系。

　　1.网络索引？

　　为了提高页面检索的效率，搜索引擎需要对捕获的原创页面进行索引。由于 URL 是页面的入口地址，所以原创页面的索引实际上就是索引页面的 URL，这样就可以根据 URL 快速定位到对应的页面。

　　2.页面分析？

　　网页分析是整个网页处理过程的重要环节，包括网页文本信息的提取（即标签信息的过滤）、分词、关键词建立索引列表和关键词 重组。因此，形成一个关键词对应多个原创页面，即形成一个与用户查询习惯相对应的信息原型。

　　文本信息提取？

　　网络信息？这种提取实际上是对网页中非文本信息的过滤。其中重要的是过滤网页中的标签信息。过滤标签后，搜索引擎可以获取网页的文本信息。

　　分词/分词后，从原创页面中提取文本信息后，搜索引擎可以得到页面的实质内容。为了获取与用户相关的数据，搜索引擎还需要删除页面中的内容，形成与用户查询条件相匹配的信息列表。

　　每个搜索引擎的分割系统都会或多或少不同。分词系统的好坏主要取决于开发者对语言的理解。尤其是在中文环境下，分词算法直接影响网页内容的内容，分词后会产生关键词。这些关键词符合用户的搜索习惯。因此，分词的结果直接决定了搜索引擎能否提供符合用户查询条件的信息。

　　在中文环境中，常用的分词方法有两种：字符串匹配分词和统计分词。下面简单介绍两种中文分词算法。

　　字符串匹配分割是基于足够大的权威字典。如果页面上的单词与字典中的单词匹配，则会被点击。通过这种方式，您可以获得单词或短语。

　　统计分词是根据两个相邻（或多个）词的概率来判断两个（或多个）词的组合是否会形成一个词，例如“微博”是繁体中文中不存在的词。

　　关键词分词系统将索引网页的正文信息处理后形成一个关键词的列表。关键字列表中的每条记录包括关键词的个数、页数、关键字个数、关键字在文档中的位置。为了提高关键词的检索效率，搜索引擎还会为关键词列表设置一个关键词列表。这样，在索引页面和关键字列表后，您可以快速从网页中找到关键字。例如，过滤信息后网页0的内容是“中国广东省深圳市”；> 索引。根据第0页，搜索引擎可以快速找到关键词“中国广东深圳”。但是，用户正在寻找页面，

　　关键词重组旨在迎合用户查找信息的习惯，关键词搜索相关页面。因此，搜索引擎需要建立一个基于关键词索引的关键词表，对应多个页面的页面，即关键词反向索引表。构建关键字反向索引表的一项重要任务是重新组织所有页面的关键字列表。

　　关键词被索引后，生成网页与关键词的对应关系。接下来，搜索引擎重构所有页面中的关键词，建立关键词引擎，形成具体的关键词，找到一个或多个页面，根据关键词函数返回的相应页面。

　　对原创页面进行分析处理后，搜索引擎可以根据用户的查询条件返回相应的页面列表。但是页面列表的简单返回往往不能满足用户的需求，因此搜索引擎会根据页面的相关性和用户查询条件对列表进行重新排列，然后将处理后的列表返回给用户。