SEO入門到精通（三）：搜索引擎介紹（工作原理）

做SEO就不要搜索引擎和瀏覽器傻傻分不清楚了，這樣可是會鬧笑話的。

一、瀏覽器和搜索引擎的區別

1、瀏覽器常見的有：搜狗瀏覽器、360瀏覽器、谷歌瀏覽器、QQ瀏覽器等等，瀏覽器是指可以顯示網頁服務器或者文件系統的HTML文件(標準通用標記語言的一個應用)內容,并讓用戶與這些文件交互的一種軟件。手機瀏覽器和電腦瀏覽器功能類似。

簡單說，瀏覽器是一種軟件，主要的功能是翻譯網頁代碼，將原始網頁代碼翻譯成你看到的形形色色的頁面。

2、常見的搜索引擎有：Google、百度、搜索、360、bing等。國內無法使用Google，但是全球90%的國家都在使用Google，百度是最大的中文搜索引擎，Google是全球最大的搜索引擎。

二、搜索引擎工作原理

每個SEO從業人員，都必須要理解搜索引擎的工作原理，明白搜索引擎怎么去工作的，才能做好搜索引擎優化工作。

首先，要明白搜索引擎的工作過程是非常復雜的，但是可以簡化為三個階段：

網頁收集。通過蜘蛛（即網絡爬蟲）去爬取網頁，并抓取回來，作為原始數據存儲起來。

預處理。抓取回來的頁面不能直接被用戶搜索到，需要經過處理排序，才能參與排名。

檢索服務。用戶輸入查詢內容后，搜索引擎的排名程序調用索引庫中的數據，將用戶搜索內容進行匹配后展現給用戶。接下來，我們來深入理解這三個步驟。

1、網頁收集

搜索引擎通過蜘蛛爬取并收集互聯網上的網頁，網頁的收集是搜索引擎工作的第一步，了解搜索引的抓取機制，便于蜘蛛抓取更多的頁面，有利于網站的排名。

（1）蜘蛛是什么

網絡爬蟲，又被稱為網頁蜘蛛、網絡機器人，是按照一定的規則，自動抓取互聯網中網頁的程序或者腳本。由于互聯網被比喻為一張大網，那么在這張大網上爬取的程序，就自然被叫做蜘蛛了。

（2）蜘蛛工作方式

為了更高效的爬取互聯網上的頁面，蜘蛛需要制定爬取策略，簡單來說，爬取策略分為兩種：深度優先和廣度優先。

廣度優先：蜘蛛會優先抓取起始頁面中的全部鏈接，再選擇其中的一條網頁鏈接，繼續抓取這個頁面上的所有鏈接，這種方式可以讓蜘蛛并行抓取，提高抓取速度。如圖所示：蜘蛛從R頁面順著URL（鏈接）爬行到A1、B1、C1頁面，當R頁面鏈接抓取完后，再從A1爬取到A2、A3、A4頁面，按照這種方式一直持續下去。

深度優先：蜘蛛會從原始頁面開始抓取，發現一個鏈接，就會順著這個鏈接一直抓取下去，直到無鏈接可抓，才會返回去，抓取另一條鏈接，并持續跟蹤這條鏈接直到沒有鏈接可以抓取。蜘蛛從R頁面爬取到A1、A2、A3頁面，到A3頁面已經沒有鏈接可以爬取了，就返回到R頁面重復之前的操作。

在實際的爬取過程中，深度優先和廣度優先往往都是混合使用的，這樣既可以爬取更多的網站，又可以兼顧到更多的網站內頁。不僅如此，在爬取頁面的過程中，需要考慮的因素還有很多，比如：網頁權重、網站的規模、網站外鏈數量、網站的更新頻率等等，都會影響到頁面的爬取。這也是在以后我們做網站優化是需要考慮的問題，可以思考：下如何布置網站才容易讓蜘蛛爬取，進而提高網頁收錄。

（3）種子站點

一般來說，種子站點都是權重高、權威度高的網站，像網易、知乎、hao123等這類網站，要么是行業大站，要么是優質的導航站。蜘蛛爬行也往往以這些網站作為原始頁面進行爬取。因此在優化網站的時候，可以在這類網站上多做一些外鏈，進而吸引蜘蛛來爬取我們的站點。

（4）搜索引擎的收集機制

這點對我們的網站收錄影響很大，一定要注意。蜘蛛抓取某一網站的頻次，主要受限于網站的表現情況，若網站更新有規律，蜘蛛就會規律的進入網站進行抓取。

蜘蛛每次爬行都會把頁面數據存儲起來，如果第二次爬取發現頁面與第一次收錄的完全一樣，說明頁面沒有更新，多次抓取后蜘蛛會對網站更新頻率有一定掌握。更新頻率低的網站，蜘蛛抓取的頻次就相對較少，更新頻率高的網站，蜘蛛也會更頻繁的到訪抓取。因此優化網站時，需要定期定量更新內容，蜘蛛才會有規律抓取。

（5）文件存儲

搜索引擎會將蜘蛛抓取回來的文件存儲到原始數據庫中，并進一步的處理。如何進行處理呢？咱們下節課就會講到。