一、抓取：其实在抓取前面还有一个进程没有描绘在内，那即是匍匐，也即是查找引擎程序发现新网址的进程，仅仅这个进程大多伴随着抓取，除非你的这个URL上的内容没有什么价值(废物内容、重复内容、文字过少内容等)而被查找引擎抓取程序直接越过。查找引擎匍匐程序以数据表中已存在或新提交的连接顺藤摸瓜式地进行匍匐以不断发现新的URL，抓取程序在剖析并断定该URL的页面内容有价值后，便将其整个页面抓取下来放入到巨大的信息数据表中。http://cn.yixiin.com/news/list-444.html新抓取的内容在进入信息数据表时，并不是一股脑地堆积在那，而是依照信息数据库中表的字段(如：网页URL、title、描绘、正文内容、抓取时刻、导出连接等)分门别类地将信息存储起来，以便满意后期的数据索引操作。
SEOER的研讨目标即是查找引擎，因而深化知道查找引擎作业原理很有必要，网上也有许多剖析这方面的文章，但能称得上详细、形象、深化地进行剖析的少之又少。当然，笔者的博文能够也彻底达不到所谓的详细、形象、深化三面俱到，但笔者会尽能够翔实、深化地论述各个原理，以便对这些原理能有更深层次的认知。
二、索引：在谈这个进程前，咱们首先要理清查找引擎索引数据表与信息数据表之间的联系，其实查找引擎底层的数据存储自身即是一个联系数据库，索引数据表和信息数据表是两个独立的表，仅仅索引数据表和信息数据表是一对多的联系，这样或许非常好了解。那么查找引擎为什么需求索引数据表呢?咱们无妨从信息量这个视点剖析一下，就当前来看，查找引擎的信息量在百亿级，而用户查找某个关键词时响应速度在短短的2、3秒内，在这短短的2、3内不只仅要完结数据的查询，并且还要完结数据的排序(关键词排名)。若是每次都要从这百亿级的数据中查询用户恳求并处置排序，不只减慢响应速度，并且还浪费了许多的核算资源，对服务器的压力也会更大。这个时分，查找引擎就迫切希望将用户查询的信息锁定在一个规模，这个规模的信息量或许只要几千条、几百条，核算处置起来，功率要高许多，而索引数据表即是为处置这一疑问呈现的。
根据核算，汉语词语大约有9万多个，听起来很巨大，但关于核算机来讲处置起来恐怕会很轻松，而中文用户的查找无外乎即是这几万个词语的组合(英文就更简略了，26个字母的组合)。若是用户查找的是一连串儿的语句，那么要先通过查找引擎的分词处置，比方查找：华普笔记本电脑，分词技能首先会依照汉语习气进行区分，区分为：华普、笔记本、电脑，那么这三个常见词语在查找引擎索引数据库表中都有对应的词条，此刻查找引擎将从信息数据表中挑选出相关索引数据表中3个词语的悉数词条并取其交集词条展示给用户，若是用户单一查找一个词语，那查找引擎处置起来就更为简略，直接从信息数据表中挑选出索引数据表中该词所对应的词条即可。
三、排名：论述这一原理，不得不说下查找引擎匍匐、抓取进程，影响关键词排名的要素许多，如：站内优化状况、外链质量及数量、pr等，那么这些排名要素查找引擎也有必要抓入数据库，归入数据表作为特定URL的排名根据，其实影响网页排名目标的获取进程即是查找引擎匍匐、抓取的进程。最难了解的能够即是外链这一块儿，由于在抓取网页时，查找引擎是捕捉不到他的导入连接的，其实查找引擎在抓取一个页面时，现已将该页面的导出连接投票核算到了相应的页面，并将这一有用投票写入到了所指向的URL字段中(比方：votes字段)，便于排名程序加以核算。当然，影响排名的要素许多，排名核算的详细方法咱们也无从得知，因而这些不在咱们的评论之列。关于排名，我们能够还有一个疑问，即是每个词语的排名是事前排序好了，仍是当用户查找时才进行排序，笔者给出的da安是后者，或许这一个表象能够揭秘笔者的da安：http://cn.yixiin.com/news/
