搜索引擎的工作原理

1.計算機(jī)自動搜索型

計算機(jī)自動搜索型的“網(wǎng)絡(luò)機(jī)器人”多或“網(wǎng)絡(luò)蜘蛛”是一種網(wǎng)絡(luò)上的軟件，它遍歷Web空間，能夠掃描一定lP地址范圍內(nèi)的網(wǎng)站，并沿著網(wǎng)絡(luò)上的鏈接從一個網(wǎng)頁到另一個網(wǎng)頁，從一個網(wǎng)站到另一個網(wǎng)站采集網(wǎng)頁資料。為保證采集的資料最新，它還會回訪已抓取過的網(wǎng)頁。網(wǎng)絡(luò)機(jī)器人或網(wǎng)絡(luò)蜘蛛采集的網(wǎng)頁，還要有其他程序進(jìn)行分析，根據(jù)一定的相關(guān)度算法進(jìn)行大量的計算建立網(wǎng)頁索引，才能添加到索引數(shù)據(jù)庫中。我們平時看到的計算機(jī)自動搜索型，實際上只是一個搜索引擎系統(tǒng)的檢索界面，當(dāng)輸入關(guān)鍵詞進(jìn)行查詢時，搜索引擎會從龐大的數(shù)據(jù)庫中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁的索引，并按一定的排名規(guī)則呈現(xiàn)出來。不同的搜索引擎，網(wǎng)頁索引數(shù)據(jù)庫不同，排名規(guī)則也不盡相同，所以，當(dāng)以同一關(guān)鍵詞用不同的搜索引擎查詢時，搜索結(jié)果也就不相同。

2.人工分類目錄型

和計算機(jī)自動搜索型一樣，人工分類目錄型的整個工作過程也同樣分為收集信息、分折信息和查詢信息三部分，只不過人工分類目錄型的收集，分析信息兩部分主要依靠人工完成。人工分類目錄型一般都有專門的編輯人員，負(fù)責(zé)收集網(wǎng)站的信息。隨著收錄站點的增多，現(xiàn)在一般都是由站點管理者向人工分類日錄型遞交自己的網(wǎng)站信息，然后由人工分類目錄型的編輯人員審核遞交的網(wǎng)站，以決定是否收錄該站點。如果該站點審核通過,人工分類目錄型的編輯人員還需要分析該站點的內(nèi)容，并將該站點放在相應(yīng)的類別和目錄中。所有這些收錄的站點同樣被存放在一個“索引數(shù)據(jù)庫”中，。用戶在查詢信息時，可以選擇按照關(guān)鍵詞搜索，也可按人工分類目錄型逐層查找。如以關(guān)鍵詞搜索，返回的結(jié)果與計算機(jī)自動搜索型一樣,也是根據(jù)信息關(guān)聯(lián)程度排列網(wǎng)站。需要注意的是：人工分類目錄型的關(guān)鍵詞查詢只能在網(wǎng)站的名稱、網(wǎng)址、簡介等內(nèi)容中進(jìn)行，它的查詢結(jié)果也只是被收錄網(wǎng)站首頁的URL地址，而不是具體的頁面。人工分類目錄型就像一個電話號碼簿，按照各個網(wǎng)站的性質(zhì)，把其網(wǎng)址分門別類排在一起，大類下面套著小類，一直到各個網(wǎng)站的詳細(xì)地址，一般還會提供各個網(wǎng)站的內(nèi)容簡介，用戶不使用關(guān)鍵詞也可進(jìn)行查詢，只要找到相關(guān)目錄，就完全可以找到相關(guān)的兩站(注意：是相關(guān)的網(wǎng)站，而不是這個網(wǎng)站上某個網(wǎng)頁的內(nèi)容，某一目錄中網(wǎng)站的排名一般是按照標(biāo)題字母的先后順序收錄的時間順序決定的)。

3.主要工作步驟

不管是計算機(jī)自動搜索型，還是人工分類目錄型，其搜索引擎的主要工作步驟如下。

1)從互聯(lián)網(wǎng)上抓取網(wǎng)頁

通過“網(wǎng)絡(luò)蜘蛛”或人工收集的方法，從互聯(lián)網(wǎng)抓取網(wǎng)頁，存放到數(shù)據(jù)庫中。

2)建立索引數(shù)據(jù)庫

由分析索引系統(tǒng)程序?qū)κ占貋淼木W(wǎng)頁進(jìn)行分析，提取相關(guān)網(wǎng)頁信息(括網(wǎng)頁所在URL、編碼類型、頁面內(nèi)容包含的關(guān)鍵詞、關(guān)鍵詞位置、生成時間、大小、與其他網(wǎng)頁的鏈接關(guān)系等)，根據(jù)一定的相關(guān)度算法進(jìn)行大量復(fù)雜計算，得到每一個網(wǎng)頁針對頁面內(nèi)容中及超鏈中每一個關(guān)鍵詞的相關(guān)度(或重要性)，然后用這些相關(guān)信息建立網(wǎng)頁索引數(shù)據(jù)庫。

3)在索引數(shù)據(jù)庫中搜索排序

當(dāng)用戶輸人關(guān)鍵詞搜索后，由搜索系統(tǒng)程序從網(wǎng)頁索引數(shù)據(jù)庫中找到符合該關(guān)鍵詞的所有相關(guān)網(wǎng)頁。因為所有相關(guān)網(wǎng)頁針對該關(guān)鍵詞的相關(guān)度早已算好，所以只需按照現(xiàn)成的相關(guān)度數(shù)值排序，相關(guān)度越高，排名越靠前。最后，由頁面生成系統(tǒng)將搜索結(jié)果的鏈接地址和頁面內(nèi)容摘要等內(nèi)容組織起來返回給用戶。