《seo教程:搜索引擎优化入门与进阶(第2版)》(S,欢迎访问搜索引擎工作原理收录流程(图))

　　《seo教程:搜索引擎优化入门与进阶(第2版)》(S,欢迎访问搜索引擎工作原理收录流程(图))

　　欢迎来到搜索引擎收录process1、的工作原理，提交URL是一种被动且耗时的行为2、建立外部链。外部链的数量、质量和相关性控制着进入时间，并且是活跃的。Page收录模式Page收录使用的策略是从互联网上过滤出相对重要的信息。如果您使用相同的爬网策略更有效地爬网同一站点中的页面资源，您将在网站停留更长的时间，而收录中的页面数量自然会更多。广度优先。优点：先抓取重要页面。应对策略：在浅薄的页面上设计重要信息。深度优先。优点：页面需求的长尾可以捕获更多流行和隐藏的页面，满足更多用户的需求。应对策略：重要信息放在多级页面上。用户提交。优点：大大提高收录页面的效率，收录页面的数量和质量。如何避免收录（重复页面，重复内容）网站中的重复信息：重印内容和镜像内容。重复信息的影响：占用硬盘和延长用户搜索时间权重：原创&gt；重印&gt；镜像（几乎完全忽略）重印页面将多个页面的m个区域划分为n个区域进行比较。如果M&gt；A（某个阈值），它们是相互转载的。通过比较上一次修改时间、页面权重等因素来确定哪一个是正确的原创. 镜像页面比较分为n个区域的多个页面。如果n个区域的内容完全相同，则这些页面被视为彼此的镜像页面。判决原创就像是重印。镜像网站狭义镜像网站指内容相同的网站

　　原因：1、多个域名或IP指向同一服务器的同一物理目录2、整个网站内容被复制到使用不同域名或IP地址的服务器。通过判断这些网站的主页和直接链接到主页的页面是否是彼此的镜像页面来识别源网站。然后综合多个因素（如网站权重值、建立时间等）进行识别。镜像网站只镜像收录很少的页面，甚至没有收录页面。页面维护的方法是让搜索引擎适应网站不断的变化和缺失的记录。定期抓取并定期维护所有收录页面。页面权重的重新分配也与页面维护同步。适用于页面少、内容更新慢的网站。缺点：由于维护周期长，是的，不能及时向用户反映更新过程中页面的变化。增量爬网定期监视捕获的页面，以更新和维护页面。（不切实际）根据80/20规则，搜索引擎只能定期监视网站中的一些重要页面，以获取网站中相对重要的信息。优点：重要页面的内容更新会及时发现新内容、新链接，删除不存在的信息。分类、定位和捕获页面监控方法，该方法根据页面的类别或性质制定相应的更新周期。新闻信息周期小于资源下载周期。大型门户网站网站的内容更新速度比小型门户网站快。优点：大大提高了页面捕获的灵活性和实时性。补充：各种捕获方法结合起来捕获页面。页面存储搜索引擎在抓取页面的过程中能否获得更多有价值的信息，将直接影响到搜索引擎的工作效率和排序结果的质量

　　因此，搜索引擎除了存储原创页面外，还会附加一系列信息（如文件类型、文件大小、上次修改时间、rul、IP地址、捕获时间等），然后以此作为某项工作的基础。网页分析是对原创网页进行一系列的分析和处理，以满足用户的信息查询习惯。建立关键词索引和反向索引，并分配权重。为了提高网页检索的效率，网页索引为网页URL建立索引。网页分析文本信息提取和过滤非文本信息（HTML标记、JS标记、PHP标记）。分词/分词对过滤后的文本内容进行分割（此行为为分词/分词），以便以关键字为单位形成与用户查询条件匹配的信息列表。分词算法：1、字符串匹配分词2、统计分词3、关键字索引。网页编号、关键字编号、关键字出现时间以及关键字在文档中的位置记录在4、关键字重组中。建立一个与多个带有关键字的网页相对应的方向索引。页面排序页面相关性关键字匹配缺点：容易被网站owner控制。它还需要结合关键字密度、关键字分布和关键字权重标签来确定。关键字密度关键字密度是关键字词频与网页上总字数的比率。不同的密度对应不同的密度值。关键字分布根据关键字位置对应不同的分布值。关键字权重标记链接权重输入和输出，以及它们的权重分配。内部链接外部链接默认权重分配用户行为点击率关键字查询查询过程用户行为搜索元素。数一数单词的流行程度，找出新单词。单击缓存机制。缓存查询最多的前20%关键字