搜索引擎工作原理

　第一步：爬行　　搜索引擎是通过一种特定规律的软件跟踪网页的链接，从一个链接爬到另外一个链接，像蜘蛛在蜘蛛网上爬行一样，所以被称为“蜘蛛”也被称为“机器人”。搜索引擎蜘蛛的爬行是被输入了一定的规则的，它需要遵从一些命令或文件的内容。 　　第二步：抓取存储　　 搜索引擎是通过蜘蛛跟踪链接爬行到网页，并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时，也做一定的重复内容检测，一旦遇到权重很低的网站上有大量抄袭、采集或者复制的内容，很可能就不在爬行。 　　第三步：预处理　　 搜索引擎将蜘蛛抓取回来的页面，进行各种步骤的预处理。 　　1、提取文字 　　2、中文分词 　　3、去停词 　　4、消除噪音 　　5、去重 　　6、正向索引 　　7、倒排索引 　　8、链接关系计算 　　9、特殊文件处理 　　第四步：排名　　 用户在搜索框输入关键词后，排名程序调用索引库数据，计算排名显示给用户，排名过程与用户直接互动的。但是，由于搜索引擎的数据量庞大，虽然能达到每日都有小的更新，但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。