搜索引擎技術(shù)抓取網(wǎng)絡(luò)中海量信息，隨著信息增長該技術(shù)作用變得越來越凸出，作為SEO技術(shù)人員，雖沒必要像ZAC對搜索引擎優(yōu)化技術(shù)了解的很透徹，但是分析了解搜索引擎的蜘蛛其對文件的處理方法，研究其搜索與更新策略，是作為SEOer該有的業(yè)務(wù)發(fā)展需要。任何一個網(wǎng)站只要內(nèi)容更新+外鏈都能看到搜索引擎對該網(wǎng)站做出相對應(yīng)的分析，進(jìn)而增加頁面權(quán)重，了解搜索引擎技術(shù)，從而為我們根據(jù)實質(zhì)性的原理來進(jìn)行搜索引擎優(yōu)化，這才是SEO明智之舉，而不是每天在那發(fā)外鏈更新網(wǎng)站內(nèi)容，業(yè)余時間還是得學(xué)學(xué)相關(guān)技術(shù)。下面介紹下搜索引擎核心檢索技術(shù)。
一蜘蛛工作原理
網(wǎng)絡(luò)蜘蛛也就是搜索引擎蜘蛛，是通過鏈接地址來尋找網(wǎng)頁的。搜索引擎蜘蛛名稱根據(jù)搜索引擎都不同。那它的原理是由一個啟始鏈接開始抓取網(wǎng)頁內(nèi)容，同時也采集網(wǎng)頁上的鏈接，并將這些鏈接作為它下一步抓取的鏈接地址，如此循環(huán)，直到達(dá)到某個停止條件后才會停止。停止條件的設(shè)定通常是以時間或是數(shù)量為依據(jù)，可以通過鏈接的層數(shù)來限制網(wǎng)絡(luò)蜘蛛的爬取。同時頁面信息的重要性為客觀因素決定了蜘蛛對該網(wǎng)站頁面的檢索。站長工具中的搜索引擎蜘蛛模擬器其實它就是這個原理，準(zhǔn)不準(zhǔn)確筆者也不清楚。基于這蜘蛛工作原理，站長都會不自然的增加頁面關(guān)鍵詞出現(xiàn)次數(shù)，雖然對密度產(chǎn)生量的變化，但對蜘蛛而言并沒達(dá)到一定質(zhì)的變化。這在搜索引擎優(yōu)化過程中應(yīng)該要避免的。
二搜索引擎蜘蛛與網(wǎng)站的交互問題
搜索引擎技術(shù)基礎(chǔ)中，蜘蛛爬取到網(wǎng)站中，通常會去檢索一個文本文件Robots.txt，通常存放在網(wǎng)站的根目錄下。它是專門用來同網(wǎng)絡(luò)蜘蛛交互用的專用文件。這也就是SEOer老是去屏蔽網(wǎng)站頁面不想被搜索引擎抓取的原因，它是一個網(wǎng)站和搜索引擎蜘蛛對話的重要工具，但是蜘蛛是否都遵循站長對其實施的規(guī)則呢?其實蜘蛛遵循還是得看蜘蛛出身，素質(zhì)高的會遵循規(guī)則，相反則不遵循。另外在網(wǎng)站中放入一個叫做sitmap.htm的網(wǎng)頁，并將它作為網(wǎng)站的入口文件，這也是蜘蛛與網(wǎng)站的交互方法。對于交互性的SEO手段，我們了解了就可以針對性的做出符合搜索引擎的蜘蛛喜好的網(wǎng)站地圖。
頁面Meta字段也是站長經(jīng)常使用的搜索引擎優(yōu)化技術(shù)，這個字段通常會放在文檔的頭部，很多站點都只是簡單的寫個允許百度抓取的字段，正不正確筆者不清楚，SEO其實很多現(xiàn)象都是基于數(shù)據(jù)分析對比才能得知。Meta字段蜘蛛可以在沒有讀取到全部文檔的情況下就了解文檔的相關(guān)信息，可以避免將無效的網(wǎng)頁取下來后又將其廢棄而造成無謂的浪費。
三搜索引擎蜘蛛對于文件的處理
(一)二進(jìn)制文件處理
網(wǎng)絡(luò)中除了HTML文件和XML文件外，也有大量的二進(jìn)制文件，搜索引擎對二進(jìn)制文件采用單獨處理的方式，其對內(nèi)容的理解完全需要依靠二進(jìn)制文件的錨點描述來完成。錨點描述通常代表了文件的標(biāo)題或是基本內(nèi)容，也就是通常所說的錨文字這就是為什么我們要對網(wǎng)站錨文字的分析選擇的原因所在。
(二)腳本文件的處理
網(wǎng)頁中的客戶端腳本，當(dāng)網(wǎng)頁加載至讀取到該腳本，搜索引擎往往會直接省略對它的處理。但是由于現(xiàn)在網(wǎng)站設(shè)計者對于無刷新頁面要求的提高和對ajax技術(shù)的大量使用，對它的分析處理往往會采用另外一種網(wǎng)頁檢索程序，由于腳本程序復(fù)雜和多樣性，通常站長會根據(jù)自身網(wǎng)站將這些腳本存放到一個文檔中，采用調(diào)用技術(shù)，從而加快頁面加載速度，同時蜘蛛也不能對調(diào)用文件分析處理。這也屬于搜索引擎優(yōu)化技術(shù)，如果忽略了對它的處理將會是一項巨大的損失。
(三)不同文件類型處理
對于網(wǎng)頁內(nèi)容的提取分析一直是網(wǎng)絡(luò)蜘蛛的重要技術(shù)環(huán)節(jié)，這也是SEO需要去了解的搜索引擎技術(shù)，這取決于網(wǎng)站信息更新的多樣性。這也就是為什么專業(yè)網(wǎng)站上會在網(wǎng)站內(nèi)附有下載的execl，pdf等各種文件類型，這也是屬于搜索引擎優(yōu)化過程中需要注意的。網(wǎng)上不同文件類型文件的處理，網(wǎng)絡(luò)蜘蛛通常是采用插件的方式來處理。如果有能力，網(wǎng)站信息內(nèi)容的更新盡可能采取多樣性，來幫助網(wǎng)站達(dá)到一個搜索信息多樣化的SEO體系。
四搜索引擎蜘蛛的策略分析
(一)搜索策略
搜索策略一般有深度優(yōu)先的搜索策略和廣度優(yōu)先的搜索策略兩種。
廣度優(yōu)先的搜索策略一般被認(rèn)為是盲目的搜索。它是一種以搜索更多的網(wǎng)頁為優(yōu)先的一種貪婪的搜索策略。只要有東西檢索，它就抓取。它會先讀取一個文檔，保存下文檔上的所有鏈接，然后讀取所有這些鏈接文檔，并依次進(jìn)行下去。
深度優(yōu)先的搜索策略網(wǎng)絡(luò)蜘蛛程序分析一個文檔，并取出它的第一個鏈接所指的文檔繼續(xù)分析，然后如此繼續(xù)下去。這樣的搜索策略達(dá)到了網(wǎng)站結(jié)構(gòu)的分析，以及頁面鏈接深度分析，從而傳達(dá)網(wǎng)站信息。
還有網(wǎng)絡(luò)上說的算法，如Hash算法，遺傳算法等都是基于搜索引擎核心技術(shù)，這些也可以去了解下，比如最新的熊貓算法，這也是基于搜索策略的一種新算法，谷歌對其已經(jīng)更新好幾次了。
(二)更新策略
以網(wǎng)頁變化的周期為依據(jù)，只對那些經(jīng)常變化的網(wǎng)頁做更新操作也是一些小型的搜索引擎常采用的方法。這也就是為什么站長會每個幾周對網(wǎng)站頁面內(nèi)容的一個小更新，這是基于搜索引擎優(yōu)化的技術(shù)。網(wǎng)絡(luò)爬蟲也經(jīng)常采用個體更新的策略。它是以個別網(wǎng)頁的變化頻率來決定對網(wǎng)頁的更新頻率，這樣一來基本上每個網(wǎng)頁都會有一個獨立的更新頻率。
基于對搜索引擎原理了解的SEOer來提升搜索引擎優(yōu)化技術(shù)，這也是一種SEO技術(shù)。搜索引擎優(yōu)化過程當(dāng)中自然就能做到自己在做什么，為什么要這樣做，而不是只會發(fā)外鏈的機械操作者。SEO技術(shù)其實都不難，只要網(wǎng)站優(yōu)化做的多了，自然而然就可以得心應(yīng)手叻，加油，SEO!
網(wǎng)友點評
精彩導(dǎo)讀
科技快報
品牌展示