搜索引擎原理大揭秘–详细笔记哦！

搜索引擎工作原理

在我们开始做SEO 时，随着一点点的了解我们怎是容易忽略SEO中最重要的知识理论–搜索引擎的工作原理。弄明白搜索引擎的工作原理，那么等遇到问题的时候，我们就知道问题的原因所在了，我们就能更好的优化我们的网站了。一个搜索引擎，一般由下面几个模块组成：yuanli

1、抓取模块

2、过滤模块

3、收录模块

4、排序模块

1、1抓取模块

1、搜索引擎抓取程序：蜘蛛

搜索引擎为了可以自动抓取互联网上面数以亿计的网页，必须有一个全自动的页面抓取程序。而这个程序我们一般称之为“蜘蛛”（也可以叫做“机器人”）。无论叫做蜘蛛还是机器人，只要记住指的是搜索引擎的抓取程序就可以了。（不同的搜索引擎叫法不同，如下：）zhizhu

谷歌–谷歌机器人
百度–百度蜘蛛
360–360蜘蛛

2、怎么让蜘蛛来抓取我们的网站

外部链接：在已经被搜索引擎收录的网站上发布自己网站的链接，来吸引蜘蛛。(常用方法：交换友情链接)

提交链接：我们通过链接提交工具提交给百度，百度就会派蜘蛛来抓取我们的网站了。

百度网址提交工具网址：
蜘蛛自己来抓取：如果希望蜘蛛能够定期主动来自己的网站抓取，必须提供优质的网站内容。
3、怎么知道蜘蛛来过我们的网站

（1）百度抓取频次工具

改工具网址为：
（2）服务器日志IIS日志

如果服务器开起了IIS日志功能，通过IIS日志文件看到蜘蛛来过的痕迹。

4、影响蜘蛛抓取的因素

有哪些因素可能造成蜘蛛无法正常抓取我们的网页，我们应该注意以下几点：

（1）网址不能过长：百度建议网址的长度不要超过256个字节（一个英文占一个字节，一个中文占两个字节）

例：蜘蛛喜欢：蜘蛛不喜欢：（2）网址中不要包含中文：百度对于中文网址的抓取效果比较差。

（3）服务器质量差：浏览时总是打不开或打开速度很慢，影响蜘蛛抓取效果

（4）Robot.txt屏蔽：由于SEO人员疏忽在Robot.txt文件里屏蔽了百度想要抓取的的页面。

（5）避免出现蜘蛛难以解析的字符：如
（6）动态参数不要太多太复杂：过多且复杂的路径容易被蜘蛛认为不重要而放弃。

1、2过滤模块

蜘蛛为了保证自己的存储资源是用户和搜索引擎需要的，而过滤掉自己抓取回来无内容且质量低的页面的功能模块，即过滤模块
（1）识别
蜘蛛擅长对文字和链接的识别，不擅长图片和链接的识别。对于蜘蛛不擅长的识别很可能被当做垃圾网站过滤掉。
（2）内容质量
在识别内容的基础上，还会抓取网页内容，与数据库中的内容进行对比，如果与数据库中的内容大部分重复将被过滤掉。

1、3收录模块

通过过滤模块“考核”的网页，进行分词、数据格式标准化，然后将其存储到索引数据库中程序模块，我们称之为收录模块。

1、如何查看某个网页是否被收录

把该网址搜索到复制到百度搜索框中进行搜索。

shoulu

2、如何查看一个网站的收录量

（1）site命令
通过“site:域名”的命令，我们可以看到搜索引擎抓取了某个域名下的页面收录量。

shou2

（2）索引量查询工具

shou3

（3）收录量少怎么办？

a.新站

一般来说新站刚上线，要1-2个月才能收录。前期只收录一个首页，百度为了防止垃圾站的泛滥，故意拉长审核时间，要做的就是提供优质内容。

b.老站

收录量少，是网页内容质量太差导致，应尽快调整网站的内容质量。

1、4排序模块

对存入数据库中的页面，通过一系列算法得到的每个页面的权重，并且将其进行排序处理的程序，称之为排序模块。

1、完善基础优化

要想获得良好的排名，首先要做好网页的基础优化，包括：网站定位、网站结构、网站布局、网站代码、网站内容等

2、综合数据良好

在做好基础优化的基础上，加入你的百度统计后台数据表现良好，用户的忠诚度以及站外推广的效果显著的话，就会在集合线上加分，有利于排名。

1、5总结

了解搜索引擎的原理有什么用呢？就在于当遇到一些SEO技术问题的时候，可以通过搜索引擎的原理找到原因，轻松应对。
更多学习笔记尽在洪新seo博客，http://hongxinseo.com/希望大家共同交流学习