搜索引擎收錄頁面實(shí)際上就是在重慶互聯(lián)網(wǎng)上進(jìn)行數(shù)據(jù)采集,這是搜索引擎最基礎(chǔ)的工作,而搜索引擎的內(nèi)容都來自后臺的龐大的URL列表,通過這些URL,不斷的收錄,儲存及維護(hù),而學(xué)習(xí)搜索引擎收錄的流程,收錄原理及收錄方式,有效的提高搜索引擎對網(wǎng)站的收錄的數(shù)量!
1. 頁面收錄流程,
在重慶互聯(lián)網(wǎng)中,URL是每個頁面的入口地址,”蜘蛛程序”通過這些URL列表抓取到頁面的,“蜘蛛”不斷的從這些頁面中獲取URL資源及存儲頁面,并加入URL列表,如此不斷的循環(huán),搜索引擎就可以從互聯(lián)網(wǎng)中獲取到足夠的頁面。
URL是頁面的入口,則域名則是網(wǎng)站的入口,搜索引擎就是通過域名進(jìn)入網(wǎng)站,挖掘URL資源,換而言之搜索引擎在互聯(lián)網(wǎng)中抓取頁面的首要任務(wù)就是要有龐大的域名列表,在不斷的通過域名,進(jìn)入網(wǎng)站抓取網(wǎng)站中的頁面,
而對于咱們而言,想搜索引擎收錄,首要條件就是加入搜索引擎的域名列表,常見加入搜索引擎的域名列表的有以下兩種方式
利用搜索引擎提供的網(wǎng)站登錄入口,向搜索引擎提交網(wǎng)站域名,例如百度的:http://www.baidu.com/search/url_submit.html,可在此提交自己的網(wǎng)站域名,不過用此方法搜索引擎只會定期進(jìn)行抓取并更新,這種做法比較被動,從域名提交網(wǎng)站被收錄花費(fèi)的時間也比較長
通過與有質(zhì)量的“外鏈”,使搜索引擎在抓取“別人”的網(wǎng)站頁面時發(fā)現(xiàn)我們的網(wǎng)站,從而實(shí)現(xiàn)對網(wǎng)站的收錄,這種方法主動權(quán)在我們手上,(只要我們有足夠多的“外鏈”)且收錄速度比第一種方法快,根據(jù)外部鏈接的數(shù)量、質(zhì)量相關(guān)性,一般2-7天就會被搜索引擎收錄
2.頁面收錄原理
通過學(xué)習(xí)“頁面收錄流程”可以掌握加快網(wǎng)站被收錄的方法,接著來學(xué)習(xí)頁面收錄原理,從而提高搜索引擎收錄的數(shù)量!
如果把一個網(wǎng)站頁面組成的頁面看做是一個有向圖,從指定的頁面出發(fā),沿著頁面中的鏈接,按照某種特定的策略對網(wǎng)站中的頁面進(jìn)行遍歷。不停地從URL 列表中移出已經(jīng)訪問的URL,并存儲原始頁面,同時提取原始頁面中的URL的信息:再將URL分為域名及內(nèi)部URL兩大類,同時判斷URL是否被訪問過, 將未訪問過的URL加入URL列表中。遞歸地掃描URL列表,直至耗盡所有URL資源為止。經(jīng)過這些工作,搜索引擎就可以建立龐大的域名列表、頁面URL 列表并儲存足夠多的原始頁面。
3.頁面收錄方式,
知道了 “頁面收錄流程”和“頁面收錄原理” 然而在搜索引擎中要獲取相對重要頁面,就涉及到了搜索引擎的頁面收錄方式,
頁面收錄方式是指搜索引擎抓取頁面時所使用的策略,目的是為了能在互聯(lián)網(wǎng)中篩選出相對重要的信息,頁面收錄的方式的制定取決于搜索引擎對網(wǎng)絡(luò)結(jié)構(gòu)的 理解。如果使用相同的抓取策略,搜索引擎在同樣的時間內(nèi)可以在某一網(wǎng)站中抓取到更多的頁面資源,則會在該網(wǎng)站停留更長的時間,收錄的頁面數(shù)自然也就多了。 因此,加深對搜索引擎頁面收錄方式的認(rèn)識,有利于為網(wǎng)站建立友好的結(jié)構(gòu),提高被收錄的數(shù)量。
搜索引擎搜收錄頁面的方式主要要有“廣度優(yōu)先”、“深度優(yōu)先“及”用戶提交“(用戶提交暫時不講)三種,認(rèn)識這三種頁面收錄方式及各自的優(yōu)缺點(diǎn)!
廣度優(yōu)先
如果把整個網(wǎng)站看做一棵樹,首頁就是根,每個頁面就是葉子。廣度優(yōu)先是一種橫向的頁面抓取方式,先從樹的較淺層開始抓取頁面,直接抓完同層次的所有 頁面后才進(jìn)入下一層。因此,在對網(wǎng)站進(jìn)行優(yōu)化時,我們應(yīng)該把網(wǎng)站相對重要的信息展示在層次比較淺的頁面上(例如:在首頁推薦一些熱門的內(nèi)容)。反過來,通 過廣度優(yōu)先的抓取方式,搜索引擎就可以首先抓取到網(wǎng)站中相對重要的頁面。
首先,”蜘蛛“從網(wǎng)站的首頁出發(fā),抓取首頁上所有連接指向的頁面,形成頁面集合A,并分析出A中所有頁面中的鏈接:在跟蹤這些鏈接抓取下一層的頁面,形成頁面集合B:就這樣遞歸地從淺層頁面中解析出鏈接,再從深層頁面,直至滿足某個設(shè)定的條件才停止抓取進(jìn)程
深度優(yōu)先
與廣度優(yōu)先的抓取方式相反,深度優(yōu)先首先跟蹤淺層頁面中的某一連接后逐步抓取深層頁面,直至抓完最深層的頁面才返回淺層頁面再跟蹤其另一鏈接,繼續(xù) 向深層頁面抓取,這是一種縱向的頁面抓取方式。使用深度優(yōu)先的抓取方式,搜索引擎可以抓取到網(wǎng)站中較為隱蔽、冷門的頁面,這樣就能滿足更多用戶的需求。
首先,搜索引擎會抓取網(wǎng)站的首頁,并提取首頁中的鏈接:再沿著其中的一個連接抓取到頁面 A-1,同時獲取A-1中的鏈接并抓取頁面B-1,獲取B-1中的來鏈接并抓取頁面C-1 ,如此不斷的重復(fù),滿足到某個條件后,再從A-2抓取頁面及鏈接!
下期將帶大家認(rèn)識:搜索引擎對頁面的收錄(二),請關(guān)注中國站長站,關(guān)注大敏的blog
內(nèi)容提要:
4.搜索引擎如何避免重復(fù)性收錄
①搜索引擎轉(zhuǎn)載頁面的判斷
②搜索引擎鏡像頁面判斷
5.頁面維護(hù)方式
①定期抓取
②增量抓取
③分類定位抓取
6.頁面儲存