很多剛開始做SEO的朋友經(jīng)常問到的一個問題就是，搜索引擎到底是怎樣抓取文章內(nèi)容的，它的收錄原則大概是怎樣，首先聲明：一下方法均為本人經(jīng)驗總結(jié)，并非官方給出的抓取原則。下面我來簡單說一下：
1、抓?。?/strong>
這一步是搜索引擎錄入數(shù)據(jù)的工作，它是怎樣進行的呢？例如百度，百度每天會分配大量蜘蛛程序在浩瀚無邊的互聯(lián)網(wǎng)世界中爬行抓取，作為一個新站的站長，你必須要清楚的是，如果網(wǎng)站剛剛建立，百度如何知道你的網(wǎng)站呢，所以這就有了引蜘蛛的說法，我們在建站初期要多發(fā)點連接或者和別人的網(wǎng)站交換連接，這樣做的主要目的就是引蜘蛛過來抓取我們的網(wǎng)站內(nèi)容。
當蜘蛛程序抓取到內(nèi)容后它不進行任何處理先是存儲到一個臨時的索引庫里面，也就是說這部完成以后的內(nèi)容是亂七八糟，什么內(nèi)容都有的，不過蜘蛛程序還是會進行合理分類的，方便下一步的過濾工作。
2、過濾：
當?shù)谝徊酵瓿梢院螅┲氤绦蚓蜁_始進行過濾工作，當然這些步驟實際情況下可能是同時進行的，我們只是來分解它的原理而已。搜索引擎會根據(jù)抓取到內(nèi)容的優(yōu)劣程度進行篩選，去除劣質(zhì)沒用的留下精華有用的，這就是過濾工作，當然這些工作的處理過程都是比較快的，因為數(shù)據(jù)處理時效是搜索引擎主要研究的問題。
3、存儲：
然后搜索引擎就會將優(yōu)質(zhì)的內(nèi)容以某種算法索引存儲在自己的硬盤空間中方便后期用戶的所以調(diào)用，也就是說到這里數(shù)據(jù)才是真真的收錄到搜索引擎的數(shù)據(jù)存儲空間中。
4、展示：
當用戶搜索某個關(guān)鍵詞時，搜索引擎會根據(jù)某種算法來所以數(shù)據(jù)庫里面的內(nèi)容展現(xiàn)給客戶，這種展現(xiàn)索引速度非?？?，大家可以看到，如果我們在百度隨便搜一個詞它能迅速展現(xiàn)出億計的搜索結(jié)果，這也是搜索引擎的核心技術(shù)，它擁有非?？焖俚臋z索能力。
5、排名：
其實這一步很第四步是同時進行的，搜索引擎在給用戶展現(xiàn)的同時已經(jīng)對數(shù)據(jù)做出了排名，至于這個排名在搜索引擎內(nèi)部是如何計算的屬于內(nèi)部機密，誰也不知道，我門只能是猜測它。做為搜索引擎公司來講，它的核心技術(shù)就是抓取 篩選 檢索 排名 展示 執(zhí)行這些步驟需要的時間越短就證明它的技術(shù)越強大。
注意事項：
綜上所述，我們應該理解為，搜索引擎公司就是在研究如何能快速的為用戶提供想要的內(nèi)容。
