为什么搜索引擎可以搜索到那么多东西?
搜索引擎使用被称为“网络爬虫”的程序来抓取网页上的所有链接。由于互联网的特性,大多数Web页面都可以通过其他页面的链接得到访问。自有限的少数Web页面出发,网络爬虫可以访问绝大多数的Web网页。通过这种方式搜索引擎就能收录很多的网页内容。
现在,人们把越来越多的内容放在互联网上,据估计,在互联网上有数万亿的独立Web页面。那么,如何在这些海量的内容中获得需要的信息呢?人们发明了互联网搜索引擎来解决这个问题。我们知道,当用户在百度、谷歌或者必应等搜索引擎中输入关键字时,它们会找到包含关键字的Web页面的链接,并按一定的顺序呈现给用户。那么,搜索引擎是怎样帮我们在网上搜索信息的呢?
一般说来,搜索引擎的工作大概分为三个部分。第一个部分称为信息抓取。搜索引擎使用被称为“网络爬虫”的程序来抓取网页上的所有链接。由于互联网的特性,大多数Web页面都可以通过其他页面的链接得到访问。从理论上说,自有限的少数Web页面出发,网络爬虫可以访问绝大多数的Web网页。想象一下,我们可以把互联网看成一个巨大的蜘蛛网,交叉点是Web页面,交叉点之间的蛛丝是链接,爬虫从一个交叉点出发,沿着蛛丝就可以到达任何一个交叉点。
找到了Web页面后,搜索引擎会开始它的第二部分工作:建立索引。简单说来,就是搜索引擎从Web页面中提取关键字,并把页面信息甚至是整个页面的内容按照一定的规则保存在自己的数据库里。这样做的目的是使得信息能够尽快被找到,如果搜索引擎只是简单地把页面无规律地存放的话,每次检索都要遍历所有保存的信息,那就失去了搜索引擎的意义了。举例来说,如果搜索引擎要为一个介绍动画片《西游记》的页面建立索引,那么“孙悟空”、“西游记”、“唐僧”、“吴承恩”等词一般都会成为该页面索引的一部分。值得一提的是,由于中文的特殊性(英文以词为单位,词和词之间用空格分隔,中文以字为单位,词和词之间没有明显的分隔),在提取关键字之前,一般还要对页面进行分词处理。
完成了前两部分工作,搜索引擎就可以向用户提供搜索服务了。搜索引擎拿到用户输入的关键字,检索自己的数据库,并把呈现出的搜索结果页面展示给用户。比如说,我们搜索“孙悟空”时,由于在建立索引时,动画片《西游记》的页面特征已经被存放到数据库中了,那么就可以通过“孙悟空”索引,把该页面的链接返回给用户。此外,返回的结果也会包含其他结果,例如连环画《西游记》的页面、书籍《西游记》的页面等。
-
lols8沙漠皇帝中单符文加点图 s8沙漠皇帝符文
不知道大家注意到一个细节没有,最近的沙漠皇帝的登场率开始攀升了,虽然这个英雄本身没有加强,但是点出新的符文的话,这个英雄有可以拿来玩了。那么新赛季S8的中单沙漠皇帝的符文应该如何点?主系-巫术(01)基石符文:召唤艾黎对于这个符文的话,小编觉得还是非常不错的一个...
-
牛乳钙十大品牌排行榜
依托百度全网大数据,根据品牌评价以及销量评选出了2019年牛乳钙十大品牌排行榜,前十名分别是三精/Sanchine、乐力/Osteoform、迪巧/D-Cal、瑞思/SWISSE、汤臣倍健/BY-HEALTH、福格森/FERGUSON、自然之宝、维百莱/薇塔贝尔/Vitabiotics、宠儿香、钙尔奇/Caltrate。...
-
脚臭用什么泡脚最好
脚臭对于大家来说,想必都不会觉得陌生,在日常生活中,总会听见别人说脚臭,或者是自己也有一些脚臭。特别是在夏季,脚底出汗比较多的话,脚臭就会更加严重,还有不喜欢更换袜子的朋友,也是容易出现脚臭的情况。那么面对脚臭,应该用什么泡脚比较好呢?接下来我们一起来看看。操...
-
县级以上是什么级别
(01)“县级以上”指的就是国家级、省部级、司厅局级这三级了。从行政级别来说,县级也就是正县也就是正处级,正县级以上就是副厅。(02)县级市,是中华人民共和国行政区划之一。在中国,行政级别和市辖区、县、自治县等县级行政区平级,一般由地级行政区代管。(03)但需要注意...