导读：搜索引擎是如何对网站进行排序的呢？今天解读的是索引。

本文解读的是：《百度官方课程检索排序》

1、检索排序原理

2、影响搜索结果排序的几个因素

一、检索排序原理

搜索引擎工作过程包括：抓取——存储——页面分析——索引——检索。我们时常听到这样一个观点，先有收录，后有索引，或者先有索引，后有收录，根据我的研究经过反复数据演算，先有收录，后有索引是有一定依据的，比如一篇文章，site有索引结果，但输入url又没有搜索结果，那么这个是典型的有收录没有索引，没有索引意味着没有参与排名。

检索系统主要分为5个部分，我们这里就拿个例子，比如“10号线地铁故障”，那么百度分词的结果如下：

10 0x1

号 0x2

线 0x3

地铁 0x4

故障 0x5

那么每个term文档合集如下：

0x1 文章1、文章2、文章3

0x2 文章1、文章3、文章4

0x3 文章2、文章4…

求交过滤后，能满足用户需求结果排序的就是文章1、文章2、文章4，也就是说，用户查找10号线地铁故障一词，展现出来的就是文章1、2、4。

那么最终排序取决于网站评级、主体内容质量、相关度、时效性等。

那么我们在做搜索引擎优化的时候，就知道怎么去撰写文章标题和文章内容了。也就是说，我们的内容尽可能都包含标题分词后的关键词。

二、影响搜索结果排序的几个因素

影响排序的几个因素：

1、相关性（主关键词数量以及相关词和外链指向锚文本）

2、网站权威性（包括各种认证、备案等）

3、时效性（按照标准时间新出现的网页）

4、重要性（点击、停留时长、跳出率等、外链投票）

5、丰富度（文字、图文、视频搭配或满足90%用户需求）

6、受欢迎程度（转发、评论）

这里只提2方面，一个是相关性占据排序70%。另外一个满足90%用户需求，这里我举个例子，

比如搜索“感冒了怎么办”，那么搜索结果是感冒出现的症状、感冒出现每个症状应该怎么做和后续注意事项等等，这些结果覆盖越多，越能满足用户需求。

另外排序是搜索引擎引用机器学习，让程序自动计算公式，非人工参与。

如果还想了解“【白皮书解读搜索引擎的工作原理】如何排序”相关问题，可以联系官方电话，也可以点击屏幕右侧的咨询按钮。

The post 【白皮书解读搜索引擎的工作原理】如何排序 appeared first on CloudNEO.

导读：搜索引擎工作原理是什么？今天来讲讲蜘蛛的抓取建库。

本文解读的是：《百度官方课程抓取建库》

1、spider抓取系统

2、spider抓取指标

一、spider抓取系统

百度蜘蛛抓取建库是个极其复杂的系统工程，光是抓取系统就分为链接存储系统、链接选取系统、DNS解析服务系统、抓取调度系统、网页分析系统、链接提取系统、链接分析系统、网页存储系统。

如果不好理解的话，你可以理解为一个抓取程序，分为以上几个功能模块，功能相互配合完成抓取程序，我个人分析，根据百度蜘蛛的情况来看，目前百度抓取的IP段在220,116段，116开头IP在于阳泉（李彦宏老家），因此我们不妨推测出这样一个观点，我们看到一个个的蜘蛛IP，就是对应的这些电脑主机，而这些电脑上就装着抓取程序。

二、spider抓取指标

我们按照蜘蛛抓取流程来说，一个蜘蛛爬到网站后，首先去访问robots.txt的协议文件，遵循协议中的规则，该爬哪里不该爬哪里，然后通过抓取后通过抓取返回码去做下一步动作，比如抓取a.com/123.html，返回码是404，那么此条信息就告诉百度这条信息已经失效，如果此条已收录，就从库中删除，同时蜘蛛再次访问url也不会抓取此链接。在百度蜘蛛抓取的过程中，如果你实时监测蜘蛛的时间就会发现一点，有的站内蜘蛛爬取很频繁，有的站内很久才有蜘蛛访问，造成这种结果有两个原因，一个是百度服务器任务处理采取分布式处理，所以蜘蛛抓取通道有阻塞，因此有时间上的差异，排除通道阻塞，站内内容多少和外链引入蜘蛛也是一个影响蜘蛛爬取的一个关键因素。

spider在抓取页面过程需判断页面是否抓取，没有抓取就会被放到抓取序列中处理，已抓取就会对比库中是否有同样并归一处理。

在公认的spider指标中，有四大指标：

1、网站更新频率，更新快多来，更新慢少来，这也是为什么很多站一天更新上万篇的原因，一定程度上可以直接提高收录几率。

2、网站内容质量高低。优质内容爬取频繁，低不爬或少爬。什么是优质内容？之前一篇文章有提到过。

3、服务器稳定、不卡顿和打开流畅。

4、站点评级。（已实锤不是权重，而是更高级的站点评级）评级是动态参数，是配合其他因子进行算法计算到阈值变化的变量。评级会影响网站的收录和排序。

如果还想了解“【白皮书解读搜索引擎的工作原理】建库”相关问题，可以联系官方电话，也可以点击屏幕右侧的咨询按钮。

The post 【白皮书解读搜索引擎的工作原理】建库 appeared first on CloudNEO.