百度搜索引擎基礎(chǔ)知識
從輸入關(guān)鍵詞,到百度給出搜索結(jié)果的過程,往往僅需幾毫秒即可完成。百度是如何在浩如煙海的互聯(lián)網(wǎng)資源中,以如此之快的速度將您的網(wǎng)站內(nèi)容展現(xiàn)給用戶?這背后蘊(yùn)藏著什么樣的工作流程和運(yùn)算邏輯?事實(shí)上,百度搜索引擎的工作并非僅僅如同首頁搜索框一樣簡單。
搜索引擎為用戶展現(xiàn)的每一條搜索結(jié)果,都對應(yīng)著互聯(lián)網(wǎng)上的一個頁面。每一條搜索結(jié)果從產(chǎn)生到被搜索引擎展現(xiàn)給用戶,都需要經(jīng)過四個過程:抓取、過濾、建立索引和輸出結(jié)果。
抓取
Baiduspider,或稱百度蜘蛛,會通過搜索引擎系統(tǒng)的計算,來決定對哪些網(wǎng)站施行抓取,以及抓取的內(nèi)容和頻率值。搜索引擎的計算過程會參考您的網(wǎng)站在歷史中的表現(xiàn),比如內(nèi)容是否足夠好,是否存在對用戶不友好的設(shè)置,是否存在過度的搜索引擎優(yōu)化行為等等。
當(dāng)您的網(wǎng)站產(chǎn)生新內(nèi)容時,Baiduspider會通過互聯(lián)網(wǎng)中某個指向該頁面的鏈接進(jìn)行訪問和抓取,如果您沒有設(shè)置任何外部鏈接指向網(wǎng)站中的新增內(nèi)容,則Baiduspider是無法對其進(jìn)行抓取的。對于已被抓取過的內(nèi)容,搜索引擎會對抓取的頁面進(jìn)行記錄,并依據(jù)這些頁面對用戶的重要程度安排不同頻次的抓取工作。
需您要注意的是,有一些抓取軟件,為了各種目的,會偽裝成Baiduspider對您的網(wǎng)站進(jìn)行抓取,這可能是不受控制的抓取行為,嚴(yán)重時會影響到網(wǎng)站的正常運(yùn)作。
過濾
互聯(lián)網(wǎng)中并非所有的網(wǎng)頁都對用戶有意義,比如一些明顯的欺騙用戶的網(wǎng)頁,死鏈接,空白內(nèi)容頁面等。這些網(wǎng)頁對用戶、站長和百度來說,都沒有足夠的價值,因此百度會自動對這些內(nèi)容進(jìn)行過濾,以避免為用戶和您的網(wǎng)站帶來不必要的麻煩。
建立索引
百度對抓取回來的內(nèi)容會逐一進(jìn)行標(biāo)記和識別,并將這些標(biāo)記進(jìn)行儲存為結(jié)構(gòu)化的數(shù)據(jù),比如網(wǎng)頁的tagtitle、metadescripiton、網(wǎng)頁外鏈及描述、抓取記錄。同時,也會將網(wǎng)頁中的關(guān)鍵詞信息進(jìn)行識別和儲存,以便與用戶搜索的內(nèi)容進(jìn)行匹配。
輸出結(jié)果
用戶輸入的關(guān)鍵詞,百度會對其進(jìn)行一系列復(fù)雜的分析,并根據(jù)分析的結(jié)論在索引庫中尋找與之最為匹配的一系列網(wǎng)頁,按照用戶輸入的關(guān)鍵詞所體現(xiàn)的需求強(qiáng)弱和網(wǎng)頁的優(yōu)劣進(jìn)行打分,并按照分?jǐn)?shù)進(jìn)行排列,展現(xiàn)給用戶。
您若希望通過搜索引擎為用戶帶來好的體驗(yàn),需要您對網(wǎng)站進(jìn)行嚴(yán)格的內(nèi)容建設(shè),使之符合用戶的瀏覽需求。需要您注意的是,網(wǎng)站的內(nèi)容建設(shè)始終需要考慮的一個問題是,這對用戶是否有價值。