爬行和抓取
- 威海搜索引擎工作原理 威海搜索引擎工作原理
- 3139
爬行和抓取 是搜索引擎工作的第一步，完成數(shù)據(jù)收集任務(wù)。
1、蜘蛛：
搜索引擎用來爬行和訪問頁面的程序被稱為蜘蛛（spider），也稱為機(jī)器人（bot）。
2、跟蹤鏈接：
為了抓取網(wǎng)上盡量多的頁面，搜索引擎蜘蛛會跟蹤頁面上的鏈接，從一個頁面爬到下一個頁面，就好像蜘蛛在蜘蛛網(wǎng)上爬行那樣，這也是搜索引擎蜘蛛這個名稱的由來。
3、吸引蜘蛛：
理論上蜘蛛能爬行和抓取所有頁面，但實(shí)際上不能，也不會這么做。SEO人員想要讓自己的更多頁面被收錄，就要想方設(shè)法吸引蜘蛛抓取。
4、地址庫：
為了避免重復(fù)爬行和抓取網(wǎng)址，搜索引擎會建立一個地址庫，記錄已經(jīng)被發(fā)現(xiàn)還沒有抓取的頁面，以及已經(jīng)被抓取的頁面。
5、文件儲蓄：
搜索引擎蜘蛛抓取的數(shù)據(jù)存入原始頁面數(shù)據(jù)庫。其他的頁面數(shù)據(jù)與用戶瀏覽器得到的HTML是完全一樣的。每個URL都是這樣一個獨(dú)特的文件編號。
來源：搜外網(wǎng)
Public @ 2019-07-18 16:22:24
