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

　　百度搜索引擎优化原理(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人员，有必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过程包括爬取、存储、页面分析、索引、检索等几个主要过程。也就是经常提到爬取、过滤、收录、排序这四个过程。以下详细信息解释了每个过程及其影响。

　　

　　一、搜索引擎爬取

　　蜘蛛爬取系统是搜索引擎数据来源的重要保障。如果把网络理解为一个有向图，那么蜘蛛的工作过程可以认为是对这个有向图的遍历。从一些重要的*敏*感*词*URL开始，通过页面上的超链接关系，不断发现新的URL并进行爬取，从而尽可能多地爬取有价值的网页。

　　影响爬行的因素

　　1、爬虫友好度

　　庞大数量级的互联网资源要求爬虫系统尽可能高效地利用带宽，在有限的硬件和带宽资源下尽可能多地抓取有价值的资源。

　　2、使用fetch返回码表示

　　简单介绍一下百度支持的几个返回码：

　　1）最常见的 404 代表“未找到”。认为网页无效，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“Service Unavailable”，表示网页暂时无法访问，一般发生在网站暂时关闭，带宽受限时。

　　3）403 代表“Forbidden”，认为该网页当前被禁止访问。如果是新的url，蜘蛛暂时不会抓取，会在短时间内多次访问；如果是已经存在的收录url，则不会直接删除，短时间内也会多次访问。如果网页正常访问，则正常爬取；如果仍然禁止访问，则此 url 也将被视为无效链接，将从库中删除。

　　4）301 代表“Moved Permanently”，表示网页重定向到新的 url。当遇到网站迁移、域名更换、网站改版等问题时，建议使用301返回码，并使用站长平台的网站改版工具，减少改版带来的网站流量损失。

　　3、优先分配

　　由于互联网资源的巨*敏*感*词*和快速变化，搜索引擎几乎不可能全部抓取并合理更新以保持一致性。因此，这就需要爬取系统设计一套合理的爬取优先级。供应策略。主要包括：深度优先遍历策略、广度优先遍历策略、pr优先策略、反链策略、社交分享引导策略等。

　　4、反向作弊

　　在爬取过程中，spider经常会遇到所谓的爬虫黑洞或面临大量低质量页面。这就要求在爬虫系统中也应该设计一套完整的爬虫防作弊系统。

　　1、网站更新频率：更新越频繁，更新越慢，直接影响百度蜘蛛的访问频率

　　2、网站更新质量：提升的更新频率正好吸引了百度蜘蛛的注意。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质量页面判断为低，仍然没有意义。

　　3.连通性：网站应该安全稳定，保持百度蜘蛛畅通，保持百度蜘蛛关闭不是好事

　　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，是百度搜索引擎给站点打分的依据

　　二、搜索引擎过滤垃圾邮件

　　1、内容重复的网页：百度不需要收录互联网上已有的内容。

　　2. 主要内容为空、短的网页

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

　　2）加载太慢的网页也可能被视为空的短页。请注意，广告加载时间计入网页的总加载时间。

　　3）很多主体无关紧要的网页即使被抓取回来也会被丢弃在这个链接中。

　　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*、垃圾邮件结果和你知道的；

　　三、如何更好地被 收录 索引

　　哪些页面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.及时有价值的页面：在这里，及时性和价值并列，两者都缺一不可。有些网站为了生成时间敏感的内容页面做了很多采集的工作，导致一堆毫无价值的页面，百度不想看到。

　　2、内容优质的专页：专页的内容不一定是完整的原创，也就是可以很好的融合各方的内容，或者是一些新鲜的内容，比如浏览量和评论，可以添加到用户。更丰富、更全面的内容。

　　3、高价值的原创内容页面：百度将原创定义为花费一定成本、积累大量经验后形成的文章。永远不要再问我们是否 伪原创 是原创。

　　4.重要的个人页面：这里只是一个例子，科比在新浪微博上开了一个账号，即使他不经常更新，它对百度来说仍然是一个极其重要的页面。

　　四、百度搜索引擎排名因素

　　1、相关性：网页内容与用户检索需求的匹配程度，如网页中收录的用户勾选的关键词的数量，以及这些关键词出现的位置; 外部网页用来指向页面的锚文本 等

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

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

　　4.重要性：网页内容的重要性或受欢迎程度与用户的检查需求相匹配

　　5. 丰富性：丰富性看似简单，但却是一个非常广泛的命题。可以理解为网页内容丰富，可以充分满足用户的需求；既能满足用户的单一需求，又能满足用户的扩展需求。

　　6、流行度：指页面是否流行。

　　7、最终排序，首先对最符合用户需求的结果进行排序，可能收录有用的信息如：网站的整体评价、网页质量、内容质量、资源质量、匹配度、分散程度、时效性等