DIV CSS 佈局教程網

一、了解爬行器或爬行蜘蛛

我們知道，之所以我們能夠在百度、谷歌中很快地找到我們需要的信息，就是因為在百度和谷歌這樣的搜索引擎中，已經預先為我們收錄了大量的信息。不管是哪方面的信息，不管是很早以前的，還是最近更新的，都能夠在搜索引擎中找到。

那麼，既然搜索引擎需要預先收錄這些大量的信息，那麼它就必須到這個浩瀚的互聯網世界是抓取這些信息。據報道，全球網民已經達到十幾億的規模了，那麼這十幾億網民中，可想而知，每天能夠產生多少信息？搜索引擎又有何能耐把這麼多的信息收錄在自己的信息庫中？它又如何做到以最快的速度取得這些信息的呢？

首先，了解什麼是爬行器（crawler），或叫爬行蜘蛛（spider）。稱謂很多，但指的都是同一種東西，都是描述搜索引擎派出的蜘蛛機器人在互聯網上探測新信息。而各個搜索引擎對自己的爬行器都有不同的稱謂：百度的叫Baiduspider；Google的叫Googlebot，MSN的叫MSNbot，Yahoo則稱為Slurp。這些爬行器其實是用計算機語言編制的程序，用以在互聯網中不分晝夜的訪問各個網站，將訪問的每個網頁信息以最快的速度帶回自己的大本營。

二、搜索引擎每次能帶回多少信息

要想這些爬行蜘蛛每次能夠最大最多的帶回信息，僅僅依靠一個爬行蜘蛛在互聯網上不停的抓取網頁肯定是不夠的。所以，搜索引擎通過都會派出很多個爬行蜘蛛，讓它們通過浏覽器上安裝的搜索工具欄，或網站主從搜索引擎提交頁面提交而來的網站為入口開始爬行，爬行到各個網頁，然後通過每個網頁的超級鏈接進入下一個頁面，這樣不斷的繼續下去……

搜索引擎並不會將整個網頁的信息全部都取回來，有些網頁信息量很大，搜索引擎都只會取得每個網頁最有價值的信息，一般如：標題、描述、關鍵詞等。所以，通過只會取得一個頁面的頭部信息，而且也只會跟著少量的鏈接走。百度大概一次最多能抓走120KB的信息，谷歌大約能帶走100KB左右的信息，因此，如果想你的網站大部分網頁信息都被搜索引擎帶走的話，那麼就不要把網頁設計得太長，內容太多。這樣，對於搜索引擎來說，既能夠快速閱讀，又能夠帶走所有信息。

三、蜘蛛們是如何爬行的？

所有的蜘蛛的工作原理都是首先從網絡中抓取各種信息回來，放置於數據倉庫裡。為什麼稱為數據倉庫？因為此時的數據是雜亂無章的，還是胡亂的堆放在一起的。因此，此時的信息也是不會出現在搜索結果中的，這就是為什麼有些網頁明明有蜘蛛來訪問過，但是在網頁中還不能找到結果的原因。

搜索引擎將從網絡中抓取回來的所有資料，然後通過關鍵字描述等相關信息進行分門別類整理，壓縮後，再編類到索引裡，還有一部分抓取回來經過分析發現無效的信息則會被丟棄。只有經過編輯在索引下的信息，才能夠在搜索結果中出現。最後，搜索引擎則經過用戶敲擊進的關鍵字進行分析，為用戶找出最為接近的結果，再通過關聯度由近及遠排列下來，呈現在最終用戶眼前。

其大致過程如下圖：

四、重點介紹Google搜索引擎

Google搜索引擎使用兩個爬行器來抓取網頁內容，分別是：Freshbot和Deepbot。深度爬行器（Deepbot）每月執行一次，其受訪的內容在Google的主要索引中，而刷新爬行器（Freshbot）則是晝夜不停的在網絡上發現新的信息和資源，之後再頻繁地進行訪問和更新。因為，一般Google第一次發現的或比較新的網站就在Freshbot的名單中進行訪問了。

Freshbot的結果是保存在另一個單獨的數據庫中的，由於Freshbot是不停的工作，不停的刷新訪問內容，因些，被它發現或更新的網頁在其執行的時候都會被重寫。而且這些內容是和Google主要索引器一同提供搜索結果的。而之前某些網站在一開始被Google收入，但是沒幾天，這些信息就在Google的搜索結果中消失了，直到一兩個月過去了，結果又重新出現在Google的主索引中。這就是由於Freshbot在不停的更新和刷新內容，而Deepbot要每月才出擊一次，所以這些在Freshbot裡的結果還沒有來得及更新到主索引中，又被新的內容代替掉。直到Deepbot重新來訪問這一頁，收錄才真正進入Google的主索引數據庫中！

【相關鏈接】

搜索引擎優化教程(一)：認識搜索引擎優化

本文章始發於“獨語斜欄”個人博客：http://www.nannannan.com/post/28.html轉載請注明出處。