搜索引擎工作原理簡單模擬.ppt_第1頁
搜索引擎工作原理簡單模擬.ppt_第2頁
搜索引擎工作原理簡單模擬.ppt_第3頁
搜索引擎工作原理簡單模擬.ppt_第4頁
搜索引擎工作原理簡單模擬.ppt_第5頁
已閱讀5頁，還剩5頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

搜索引擎工作原理簡單模擬,上海易聞SEO培訓班,前言,這里的模擬非常簡單和傻瓜，但可以說明搜索引擎是如何處理頁面的過程。 第一步：通過蜘蛛抓取頁面； 什么是蜘蛛？ 如何抓取頁面？以文本形式下載，送會服務器。,第一步：通過蜘蛛抓取頁面,什么是蜘蛛？ Googlebot、baiduspider、 Yahoo、Slurp、Msnbot 如何抓取頁面？ 以文本形式下載，送會服務器。 可能會做一些預處理，比如：壓縮等 可能妨礙蜘蛛抓取的行為：跳轉(zhuǎn)、識別分辨率,第二步：網(wǎng)頁文件處理,首先過濾所有HTML標簽、CSS樣式表、JS代碼 工具：/Seo/Spider.asp,百度一下，你就知道新 聞網(wǎng) 頁貼 吧知 道MP3圖 片幫助高級 空間 | 更多把百度設為首頁企業(yè)推廣|搜索風云榜|關(guān)于百度|AboutBaidu2007Baidu使用百度前必讀京ICP證030173號,百度首頁經(jīng)過處理后得到后的樣子：,第三步：識別文字內(nèi)容,通過對過濾后文字內(nèi)容的分析，來判斷網(wǎng)頁的核心內(nèi)容。,百度一下，你就知道新 聞網(wǎng) 頁貼 吧知 道MP3圖 片幫助高級 空間 | 更多把百度設為首頁企業(yè)推廣|搜索風云榜|關(guān)于百度|AboutBaidu2007Baidu使用百度前必讀京ICP證030173號,搜索引擎程序通過對上面文字的分析，發(fā)現(xiàn)以下信息： 一共有95個字符；其中56個中文字。 “百度”出現(xiàn)4次，共8個中文，占16個字符。 8560.14 14% 1695 0.1616% 判斷結(jié)論：本頁面和關(guān)鍵詞“百度”有密切關(guān)系。,第四步：進行權(quán)重分值技術(shù),假設關(guān)鍵詞重復1次得1分，那百度首頁的得分就是“4” 當然，搜索引擎的真實計算過程非常負責，有數(shù)百個參數(shù)參與計算。 YAHOO！的工程師告訴我： “所有搜索引擎最核心的是外部鏈接的技術(shù)和關(guān)鍵詞密度的技術(shù)”,第五步：存入排名數(shù)據(jù)庫,通過以上各種分析后，一個頁面就可以存入排名數(shù)據(jù)庫了（也叫索引數(shù)據(jù)庫）。 百度首頁就可能放入一個叫“百度”的小數(shù)據(jù)庫中。 以后當用戶搜索“百度”時，就打開“百度”小數(shù)據(jù)庫，然后按分值排列，做成HTML展示到用戶面前。

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論