SEO优化人必懂的搜索引擎原理（二）

         做为一个称职的seo优化人，搜索引擎的守护者，在了解了什么是搜索引擎及其原理之后我们还不得不对它的运行规律、工作原理、习性、优缺点做了解，同时也不是了解理论就可以，还需要不断地实践，通过实践得真理，通过实践得到经验。那么搜索引擎到底是如何工作的呢？

第一、搜索引擎爬行抓取

1）爬行抓取是搜索引擎工作最重要的一部分，爬取网页回来分析，其实可以分为三小部分来理解：

       1、批量抓取所有网页，这种技术的缺点是浪费带宽，时效性不高。

       2、增量收集，在前者的基础上进行技术改进，爬取更新的网页，并删除掉重复的内容以及无效的链接。

       3、主动提交地址到搜索引擎，当然这种主动提交的方式被认为是审核期加长，这在部分seo资深人员看来是这样。

2）在链接爬取的过程中通常有两种方式我们需要理解,现在我们来了解一下深度优先以及广度优先

     1、深度优先

蜘蛛从顶级A开始抓取，比如先从A ——F——G，再从A——E——H——I，依次类推。
深度优先
     2、广度优先
主要指蜘蛛在一个页发现多个链接，先爬取所有第一层，然后接着是第二层，第三层。。依次类推。
广度优先
 
3）针对重复网页，我们需要访问列，同时也需要收集重要网页的机制
      1、目前，搜索引擎可以用已访问列表以及未访问表来记录这个过程，这样极大的减少了搜索引擎的工作量。
      2、重要的网页需要重点收录，主要可以通过几方面来实现， 比如：目录越小有利于用户体验，节省蜘蛛爬行时间；高质量外链增加网页权重；信息更新及时，提高搜索引擎的光顾率；网站内容高质量，高原创。
第二、预处理是搜索引擎原理的第二步
1、把网页爬取回来，就需要多个处理阶段，其中之一就是关键词提取，把代码爬取下来，对排名无意义的统统去除掉，剩下的是用于关键词排名的文字。
2、去除停用词，有些专家也称之为停止词，比如我们常见的：的、地、得、啊、呀、哎等无意义词。
3、中文分词技术，基于字符串匹配的分词方法以及统计分词方法。
4、消除噪声，把网站上的广告图片、登录框之类的信息去队掉。
5、分析网页，建立倒排文件方法倒排文件
6、相关链接关系算法
第三、用户服务输出
经过多重处理，我们就已经得到了数据，并且能够得到重要关键词组合，当用户搜索时，就可以立即返回所需要的信息。并且随着发展，搜索引擎的输出展示也越来越重视用户体验。