你對于搜素引擎到底了解了多少。對于本身搜索引擎排名的基本原理應該清楚。地瓜也覺(jué)得現在做SEO的大蝦們越來(lái)越多，什么感想，什么方討論都是近乎雷同，很多時(shí)候我們自認為自己是SEO，其實(shí)我們只是知道些簡(jiǎn)單的方法與技巧，真正的原理，真正的是什么并沒(méi)有搞明白。因此，地瓜覺(jué)得自己也有必要多多學(xué)習與感悟SEO中基本其實(shí)也是核心的東西。

搜索引擎工作過(guò)程非常復雜，地瓜簡(jiǎn)單分享搜索引擎是怎樣實(shí)現網(wǎng)頁(yè)排名的。正如ZAC書(shū)中所說(shuō)的“這里介紹的內容相對于真正的搜索引擎技術(shù)來(lái)說(shuō)只是皮毛，不過(guò)對SEO人員已經(jīng)足夠用了。”搜索引擎的工作過(guò)程大體上可以分成三個(gè)階段。(1)爬行和抓取：搜索引擎蜘蛛通過(guò)跟蹤鏈接訪(fǎng)問(wèn)網(wǎng)頁(yè)，獲得頁(yè)面HTML代碼存入數據庫。(2)預處理：索引程序對抓取來(lái)的頁(yè)面數據進(jìn)行文字提取、中文分詞、索引等處理，以備排名程序調用。(3)排名：用戶(hù)輸入關(guān)鍵詞后，排名程序調用索引庫數據，計算相關(guān)性，然后按一定格式生成搜索結果頁(yè)面。

而本文，地瓜分享的是搜索引擎工作原理的第三個(gè)步驟：步驟，方法，排名:經(jīng)過(guò)搜索引擎蜘蛛抓取頁(yè)面，索引程序計算得到倒排索引后，搜索引擎就準備好可以隨時(shí)處理用戶(hù)搜索了。用戶(hù)在搜索框填入關(guān)鍵詞后，排名程序調用索引庫數據，計算排名顯示給用戶(hù)，排名過(guò)程是與用戶(hù)直接互動(dòng)的。

1.搜索詞處理

搜索引擎接收到用戶(hù)輸入的搜索詞后，需要對搜索詞做一些處理，才能進(jìn)入排名過(guò)程。搜索詞處理包括如下幾方面。

(1)中文分詞。與頁(yè)面索引時(shí)一樣，搜索詞也必須進(jìn)行中文分詞，將查詢(xún)字符串轉換為以詞為基礎的關(guān)鍵詞組合。分詞原理與頁(yè)面分詞相.
(2)去停止詞。和索引時(shí)一樣，搜索引擎也需要把搜索詞中的停止詞去掉，大限度地提高排名相關(guān)性及效率。
(3)指令處理。查詢(xún)詞完成分詞后，搜索引擎的默認處理方式是在關(guān)鍵詞雙頭螺柱聯(lián)合之間使用“與”邏輯。也就是說(shuō)用戶(hù)搜索“*方法”時(shí)，程序分詞為“*”和“方法”兩個(gè)詞，搜索引擎排序時(shí)默認認為，用戶(hù)尋找的是既包含“*”，也包含“方法”的頁(yè)面。只包含“*”不包含“方法”，或者只包含“方法”不包含“*”的頁(yè)面，被認為是不符合搜索條件的。當然，這只是極為簡(jiǎn)化的為了說(shuō)明原理的說(shuō)法，實(shí)際上我們還是會(huì )看到只包含一部分關(guān)鍵詞的搜索結果。另外用戶(hù)輸入的查詢(xún)詞還可能包含一些高級搜索指令，如加號、減號等，搜索引擎都需要做出識別和相應處理。有關(guān)高級搜索指令，后面還有詳細說(shuō)明。
(4)拼寫(xiě)錯誤矯正。用戶(hù)如果輸入了明顯錯誤的字或英文單詞拼錯，搜索引擎會(huì )提示用戶(hù)正確的用字或拼法。
(5)整合搜索觸發(fā)。某些搜索詞會(huì )觸發(fā)整合搜索，比如明星姓名就經(jīng)常觸發(fā)圖片和視頻內容，當前的熱門(mén)話(huà)題又容易觸發(fā)資訊內容。哪些詞觸發(fā)哪些整合搜索，也需要在搜索詞處理階段計算。

2.文件匹配

搜索詞經(jīng)過(guò)處理后，搜索引擎得到的是以詞為基礎的關(guān)鍵詞*。文件匹配階段就是找出含有所有關(guān)鍵詞的文件。在索引部分提到的倒排索引使得文件匹配能夠快速完成。

假設用戶(hù)搜索“關(guān)鍵詞2
關(guān)鍵詞7”，排名程序只要在倒排索引中找到“關(guān)鍵詞2”和“關(guān)鍵詞7”這兩個(gè)詞，就能找到分別含有這兩個(gè)詞的所有頁(yè)面。經(jīng)過(guò)簡(jiǎn)單計算就能找出既包含“關(guān)鍵詞2”，也包含“關(guān)鍵詞7”的所有頁(yè)面：文件1和文件6。

3.初始子集的選擇

找到包含所有關(guān)鍵詞的匹配文件后，還不能進(jìn)行相關(guān)性計算，因為找到的文件經(jīng)常會(huì )有幾十萬(wàn)幾百萬(wàn)，甚至上千萬(wàn)個(gè)。要對這么多文件實(shí)時(shí)進(jìn)行相關(guān)性計算，需要的時(shí)間還是比較長(cháng)的。
實(shí)際上用戶(hù)并不需要知道所有匹配的幾十萬(wàn)、幾百萬(wàn)個(gè)頁(yè)面，絕大部分用戶(hù)只會(huì )查看前兩頁(yè)，也就是前20個(gè)結果。搜索引擎也并不需要計算這么多頁(yè)面的相關(guān)性，而只要計算重要的一部分頁(yè)面就可以了。常用搜索引擎的人都會(huì )注意到，搜索結果頁(yè)面通常多顯示100個(gè)。用戶(hù)點(diǎn)擊搜索結果頁(yè)面底部的“下一頁(yè)”鏈接，多也只能看到第100頁(yè)，也就是1000個(gè)搜索結果。搜索引擎只需要計算前1000個(gè)結果的相關(guān)性，就能滿(mǎn)足要求。

但問(wèn)題在于，還沒(méi)有計算相關(guān)性時(shí)，搜索引擎又怎么知道哪一千個(gè)文件是相關(guān)的?所以用于后相關(guān)性計算的初始頁(yè)面子集的選擇，必須依靠其他特征而不是相關(guān)性，其中主要的就是頁(yè)面權重。由于所有匹配文件都已經(jīng)具備了基本的相關(guān)性(這些文件都包含所有查詢(xún)關(guān)鍵詞)，搜索引擎通常會(huì )用非相關(guān)性的頁(yè)面特征選出一個(gè)初始子集。初始子集的數目是多少?幾萬(wàn)個(gè)?或許更多，外人并不知道。不過(guò)可以肯定的是，當匹配頁(yè)面數目巨大時(shí)，搜索引擎不會(huì )對這么多頁(yè)面進(jìn)行計算，而必須選出頁(yè)面權重較高的一個(gè)子集，再對子集中的頁(yè)面進(jìn)行相關(guān)性計算。

4.相關(guān)性計算

選出初始子集后，對子集中的頁(yè)面計算關(guān)鍵詞相關(guān)性。計算相關(guān)性是排名過(guò)程中重要的一步。相關(guān)性計算是搜索引擎算法中令SEO感興趣的部分。
影響相關(guān)性的主要因素包括如下幾方面。
(1)關(guān)鍵詞常用程度。經(jīng)過(guò)分詞后的多個(gè)關(guān)鍵詞，對整個(gè)搜索字符串的意義貢獻并不相同。越常用的詞對搜索詞的意義貢獻越小，越不常用的詞對搜索詞的意義貢獻越大。舉個(gè)例子，假設用戶(hù)輸入的搜索詞是“我們冥王星”。“我們”這個(gè)詞常用程度非常高，在很多頁(yè)面上會(huì )出現，它對“我們冥王星”這個(gè)搜索詞的辨識程度和意義相關(guān)度貢獻就很小。找出那些包含“我們”這個(gè)詞的頁(yè)面，對搜索排名相關(guān)性幾乎沒(méi)有什么影響，有太多頁(yè)面包含“我們”這個(gè)詞。未來(lái)幾年，都不會(huì )有實(shí)質(zhì)性的改變。好了，以上是我的一些觀(guān)點(diǎn)，歡迎大家指正。

http://ezekroy.com/youhuazixun/2623.html 淺析搜索引擎的工作原理