搜索引擎抓取和收錄頁(yè)面的過程

時(shí)間：2022-08-04 00:51:01 | 來(lái)源：建站知識(shí)

時(shí)間：2022-08-04 00:51:01 來(lái)源：建站知識(shí)

搜索引擎對(duì)網(wǎng)頁(yè)的收錄是一個(gè)復(fù)雜的過程，簡(jiǎn)單來(lái)說，收錄過程可以分為：抓取、過濾、建立索引和輸出結(jié)果。下面和大家簡(jiǎn)單說一下這幾個(gè)步驟，讓你可以清楚你的網(wǎng)頁(yè)從你發(fā)布之后是如何被搜索引擎收錄并獲得相關(guān)排名的。

1、抓取

網(wǎng)站的頁(yè)面有沒有被搜索引擎收錄，首先要看一下網(wǎng)站的蜘蛛訪問日志，看一下蜘蛛有沒有來(lái)，如果蜘蛛都沒有抓取，那是不可能被收錄的。蜘蛛訪問網(wǎng)站的日志可以從網(wǎng)站的IIS日志里面看到，如果搜索引擎蜘蛛沒有來(lái)呢?那么就主動(dòng)向搜索引擎提交，搜索引擎會(huì)派出蜘蛛來(lái)抓取網(wǎng)站，這樣網(wǎng)站才有可能被盡快收錄。

如果你不會(huì)分析網(wǎng)站的日志也沒有關(guān)系，這里推薦愛站SEO工具包，將網(wǎng)站的日志導(dǎo)入到這個(gè)工具之后，就能看到日志的分析，你能從中得到很到信息。

廣度優(yōu)先抓取：廣度優(yōu)先抓取是按照網(wǎng)站的樹形結(jié)構(gòu)，對(duì)一個(gè)的層進(jìn)行的抓取，如果此層沒有抓取完成，蜘蛛不會(huì)進(jìn)行下一層的搜索。(關(guān)于網(wǎng)站的樹形結(jié)構(gòu)，會(huì)在后續(xù)的日志中進(jìn)行說明，在沒有發(fā)布文章之后，在此會(huì)添加連接)

深度優(yōu)先抓?。荷疃葍?yōu)先抓取是按照網(wǎng)站的樹形結(jié)構(gòu)。按照一個(gè)連接，一直抓取下去，知道這一個(gè)連接沒有再往下的鏈接為止，深度優(yōu)先抓取又叫縱向抓取。

(注意：廣度優(yōu)先抓取，適用于所有情況下的搜索，但是深度優(yōu)先抓取不一定能適用于所有情況。因?yàn)橐粋€(gè)有解的問題樹可能含有無(wú)窮分枝，深度優(yōu)先抓取如果誤入無(wú)窮分枝(即深度無(wú)限)，則不可能找到目標(biāo)結(jié)束點(diǎn)。所以，深度優(yōu)先抓取策略很多時(shí)候是不會(huì)被使用的，廣度優(yōu)先的抓取更加的保險(xiǎn)。)

廣度優(yōu)先抓取適用范圍：在未知樹深度情況下，用這種算法很保險(xiǎn)和安全。在樹體系相對(duì)小不龐大的時(shí)候，廣度優(yōu)先也會(huì)更好些。

深度優(yōu)先抓取適用范圍：剛才說了深度優(yōu)先抓取有自己的缺陷，但是并不代表深度優(yōu)先抓取沒有自己的價(jià)值。在樹型結(jié)構(gòu)深度已知情況下，并且樹體系相當(dāng)龐大時(shí)，深度優(yōu)先搜索往往會(huì)比廣度優(yōu)先搜索優(yōu)秀。

2、過濾

網(wǎng)站的頁(yè)面被抓取了并不代表一定會(huì)被收錄。蜘蛛來(lái)抓取了之后，會(huì)把數(shù)據(jù)帶回去，放到臨時(shí)的數(shù)據(jù)庫(kù)中，再進(jìn)行過濾，過濾掉一些垃圾的內(nèi)容或者是低質(zhì)量的內(nèi)容。

你頁(yè)面的信息如果是采集，在互聯(lián)網(wǎng)上有大量的相同信息，搜索引擎就很有可能不為你的網(wǎng)頁(yè)建立索引。有時(shí)候我們自己寫的文章也不會(huì)被收錄，因?yàn)樵瓌?chuàng)的不一定就是高質(zhì)量的。關(guān)于文章質(zhì)量的高低，我會(huì)在以后的文章中單獨(dú)拿出一篇來(lái)和大家詳細(xì)討論。

過濾這一過程就是一個(gè)去掉糟粕的過程，如果你的網(wǎng)站的頁(yè)面順利通過了過濾這一過程，說明頁(yè)面的內(nèi)容達(dá)到了搜索引擎設(shè)定的標(biāo)準(zhǔn)，頁(yè)面會(huì)就會(huì)進(jìn)入建立索引和輸出結(jié)果這一步。

3、建立索引與輸出結(jié)果

這里，我們把建立索引和輸出結(jié)果合在一起進(jìn)行說明。

通過一系列的過程之后，符合收錄的頁(yè)面之后會(huì)建立索引，建立索引之后就是輸出結(jié)果，也就是我們?cè)谒阉麝P(guān)鍵詞后，搜索引擎展示給我們的結(jié)果。

當(dāng)用戶在搜索關(guān)鍵詞時(shí)搜索引擎就會(huì)輸出結(jié)果，輸出的結(jié)果是有順序排列的。這些結(jié)果排序是根據(jù)一系列復(fù)雜的算法來(lái)排定的。比如：頁(yè)面的外鏈，頁(yè)面與關(guān)鍵詞的匹配度，頁(yè)面的多媒體屬性等。

在輸出的結(jié)果中，還有一些結(jié)果是通過抓取之后直接可以輸出的，沒有經(jīng)過中間復(fù)雜的過濾和建立索引等過程。什么樣的內(nèi)容和什么樣的情況下才會(huì)發(fā)生的呢?那就是具有很強(qiáng)的時(shí)效性的內(nèi)容，比如新聞?lì)惖?。比如今天發(fā)生了一件特大事件，各大門戶和新聞源快速發(fā)出了關(guān)于事件的新聞，搜索引擎會(huì)迅速對(duì)重大新聞事件作出反應(yīng)，快速收錄相關(guān)的內(nèi)容。

百度對(duì)于新聞的抓取速度是很快的，對(duì)重大事件的反應(yīng)也比較及時(shí)。但是這里還有一個(gè)問題就是，這些發(fā)布的新聞如果有低質(zhì)量的頁(yè)面會(huì)怎么辦?搜索引擎會(huì)在輸出結(jié)果之后，仍然對(duì)這一部分新聞內(nèi)容進(jìn)行過濾，如果頁(yè)面內(nèi)容與新聞標(biāo)題不符，質(zhì)量過低，那么低質(zhì)量的頁(yè)面還是會(huì)被搜索引擎過濾掉。

在輸出結(jié)果的時(shí)候，搜索引擎會(huì)多多少少會(huì)對(duì)搜索結(jié)果進(jìn)行人工干預(yù)，其中以百度為最嚴(yán)重，在百度很多關(guān)鍵詞的自然搜索結(jié)果中被加入了百度太多自家的產(chǎn)品，而且很多是沒有考慮用戶體驗(yàn)的，這也是百度被大家詬病的原因之一，有興趣的朋友可以百度一個(gè)詞看一下搜索結(jié)果，是不是百度自家的產(chǎn)品占據(jù)了太多的首頁(yè)位置。

我是劉旭，我的微信公眾平臺(tái)：a1719752001，希望能和大家多多交流。