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。
-
孕期和哺乳期可以喝奶茶吗?
操作方法(01)人生苦短,孕期太长,禁忌太多,实在荒唐。为宝宝好是应该的,委屈自己也是不对的,其实在孕期和哺乳期不应该辜负的,除了爱,还有美食,当然还有某些“垃圾食品”。非常健康的食品往往是不太好吃的,让人上瘾戒不掉的食品经常是不太健康的,奶茶就是其中之一。(02)爱是克...
-
短信可供行程证明,怎么进行短信行程证明
移动(01)打开手机短信,点击新建信息,在收件人一栏中输入【10086】,然后在短信内容输入框中输入【CXMYD】,接着点击发送即可。(02)短信发送成功后,接着便坐等中国移动通信回复短信内容。当收到移动通信回复的短信内容后,根据短信要求,在有效时间内发送数字【1】回复,即可确...
-
空气炸锅的危害太可怕了
(01)空气炸锅加热温度超过120℃,多在180℃~200℃,长期使用会导致食物产生丙烯酰胺类的疑似致癌物。空气炸锅具有一定辐射,虽说比较小,但长期使用对人体危害就会增加。(02)烤箱和空气炸锅两者的作用相似,但其实是两个不一样的电器,各有各的好处以及缺点,可根据自身需求进行...
-
双肩皮包十大品牌排行榜
依托百度全网大数据,根据品牌评价以及销量评选出了2019年双肩皮包十大品牌排行榜,前十名分别是阿耐洛/Anello、秀包一品、CLASSIPLE、flipped、帕迪欧、牧雨涵袋、BFS、袋鼠/Bandicoot、婕安妮/Joanney、皮匠传奇。如果您正在查找双肩皮包什么牌子好?那么本双肩皮...