正规系统开发由于页面和链接数量巨大,网上的链接关系又时时处在更新中,因此链接关系及PR的计算要耗费很长时间。关子PR和链接分析,后面还有专门的章节介绍。9.特殊文件处理 除了HTML文件外,搜索引擎通常还能抓取和索引以文字为基础的多种文件类型,如PDF、Word、WPS、XLS、PPT、TXT文件等。系统开发价格我们在搜索结果中也经常会看到这些文件类型。但目前的搜索引擎还不能处理图片、视频、Flash这类非文字内容,也不能执行脚本和程序。
正规系统开发只有在深入了解搜索引擎蜘蛛爬行原理的基础上,才能尽量使蜘蛛抓得快而全面。上面所举的几个例子,读者看完搜索引擎原理简介这一节后,会有更深入的认识。搜索引擎与目录,系统开发价格早期的网站优化资料经常把真正的搜索引擎与目录放在一起讨论,甚至把目录也称为搜索引擎的一种,这种讲法并不准确。真正的搜索引擎指的是由蜘蛛程序沿着链接爬行和抓取网上的大量页面,存进数据库,经过预处理,用户在搜索框输入关键词后,搜索引擎排序程序从数据库中挑选出符合搜索关键词要求的页面。
灵寿正规系统开发同一篇文章经常会重复出现在不同网站及同一个网站的不同网址上,搜索引擎并不喜欢这种重复性的内容。用户搜索时,如果在前两页看到的都是来自不同网站的同一篇文章,用户体验就太差了,虽然都是内容相关的。系统开发价格搜索引擎希望只返回相同文章中的一篇,所以在进行索引前还需要识别和删隙重复内容,这个过程就称为“去重”。去重的基本方法是对页面特征关键词计算指纹,也就是说从页面主体内容中选取Z有代表性的一部分关键词(经常是出现频率Z高的关键词),然后计算这些关键词的数字指纹。
正规系统开发这种快速收录和更新也只能局限于高权重网站。很多页面几个月不被重新抓取和更新,也是非常常见的。系统开发价格要返回Z好的结果,搜索引擎也必须抓取尽量全面的页面,这就需要解决很多技术问题。一些网站并不利于搜索引擎蜘蛛爬行和抓取,诸如网站链接结构的缺陷、大量使用Flash、JavaScript脚本,或者把内容放在用户必须登录以后才能访问的部分,都培大了搜索引擎抓取内容的难度。
正规系统开发搜索引擎蜘蛛抓取的原始页面,并不能直接用于查询排名处理。搜索引擎数据库中的页面数都在数万亿级别以上,用户输入搜索词后,靠排名程序实时对这么多页面分析相关性,计算量太大,不可能在一两秒内返回排名结果。系统开发价格因此抓取来的页面必须经过预处理,为Z后的查询排名做好准备。和爬行抓取一样,预处理也是在后台提前完成的,用户搜索时感觉不到这个过程。搜索引擎预处理首先要做的就是从HTML文件中去除标签、程序,提取出可以用于排名处理的网页面文字内容。
正规系统开发结果列表中加粗显示搜索词在百度列表中 日录部分加粗显示,上面讨论的是Z经典的结果列表格式。搜索引擎近几年也在不停尝试不同格式的搜索结果格式,尤其是Google,推出了很多特色结果列表,下面选几个主要的进行简单介绍。整合搜索结果 在前面的Google搜索结果页面抓图中,大家就能看到两个整合搜索结果:中间的资讯结果和页面底部的博客搜索结果。根据搜索关键词的不同,系统开发价格Google还经常把其他垂直搜索结果混合在正常网页搜索结果中,比如图片结果、视频结果