1.搜索引擎蜘蛛(spider)
可简称为蜘蛛,本意为搜索引擎机器人(robot),称为蜘蛛的原因是将互联网比喻成蜘蛛网,将机器人比喻成了在网上爬行的蜘蛛,是搜索引擎自动抓取网页的程序。
如同白话理解的一般,互联网可以理解成一张巨大的“蜘蛛网”,搜索引擎蜘蛛是类似实质的“机器人”。蜘蛛的主要任务就是在巨大的蜘蛛网(互联网)中浏览信息,然后把这些信息都抓取到搜索引擎的服务器上,然后建立索引库。就好比机器人浏览我们的网站,然后把内容保存到自己的电脑上。
2.搜索引擎蜘蛛工作原理
抓取网页。
每家独立的搜索引擎都会有自己的网页抓取程序爬虫。爬虫蜘蛛顺着网页中的超链接分析连续访问抓去更多网页。被抓取的网页被称之为网页快照。毋庸置疑,搜索引擎蜘蛛抓取网页是有一定规律的。如下:
①权重优先:先参照链接的权重,再综合深度优先和宽度优先策略抓取。打个比方,如果这条链接的权重还不错,就采用深度优先;如果权重很低,则采用宽度优先。
②重访抓取:这个就可以直接字面上理解。因为搜索引擎使用单个重访与全部重访结合的居多。所以我们做网站内容要记得定期维护日常更新,让蜘蛛多来访多抓取才能收录快。
处理网页。
搜索引擎抓取到网页后,还要做大量的预处理工作,才能提供检索服务。其中,最重要的就是提取关键词,建立索引库和索引。其他还包括去除重复网页、分词(中文)、判断网页类型、超链接分析、计算网页的重要度/丰富度等。
处理网页分为以下几个部分:
①网页结构化:HTML代码全部删除掉,提取出内容。
②消噪:留下网页的主题内容。
③查重:查找删除重复的网页与内容。
④分词:提取出正文的内容后,分成若干个词语,然后排列存入索引库。同时计算这个词在这个页面出现了多少次。有必要指出,关键词堆砌就是借用这个原理对网站进行优化。这种做法属于作弊。
⑤链接分析:搜索引擎会查询分析这个页面的反向链接有多少,导出链接有多少内链,然后判定这个页面多少权重。
提供检索服务。
用户输入关键词进行检索,搜索引擎从索引库中找到匹配该关键词的网页。为了用户便于判断,除了网页标题和URL外,还会提供一段来自网页的摘要以及其他信息。
所以想做好搜索引擎让蜘蛛抓取你的网站,小编根据搜索引擎的特点,做出如下总结:
①网站发布信息后多做分享或者多发外链。可以帮你的网站尽可能快的带来搜索引擎蜘蛛的访问。也可以通过内链的方式,增加搜索引擎蜘蛛在网站停留的时间,以获取更好的排名。
②定期最好是每天发布新的信息或者更新网站内容,这样蜘蛛才能多访问你的信息进行抓取。
③发布优质的信息,让用户体验时间停留长,这样有利于搜索引擎蜘蛛判断你的网站价值高。
④不要想着走捷径,一定要坚持遵循搜索引擎法则,做好内容,做好用户体验才能做好网站。