當(dāng)我們?cè)谳斎肟蛑休斎腙P(guān)鍵詞，點(diǎn)擊搜索或查詢時(shí)，然后得到結(jié)果。深究其背后的故事，搜索引擎做了很多事情。
首先在互聯(lián)網(wǎng)中發(fā)現(xiàn)、搜集網(wǎng)頁(yè)信息；同時(shí)對(duì)信息進(jìn)行提取和組織建立索引庫(kù)；再由檢索器根據(jù)用戶輸入的查詢關(guān)鍵字，在索引庫(kù)中快速檢出文檔，進(jìn)行文檔與查詢的相關(guān)度評(píng)價(jià)，對(duì)將要輸出的結(jié)果進(jìn)行排序，并將查詢結(jié)果返回給用戶。
在搜索引擎網(wǎng)站，比如百度，在其后臺(tái)有一個(gè)非常龐大的數(shù)據(jù)庫(kù)，里面存儲(chǔ)了海量的關(guān)鍵詞，而每個(gè)關(guān)鍵詞又對(duì)應(yīng)著很多網(wǎng)址，這些網(wǎng)址是百度程序從茫茫的互聯(lián)網(wǎng)上一點(diǎn)一點(diǎn)下載收集而來(lái)的，這些程序稱之為“搜索引擎蜘蛛”或“網(wǎng)絡(luò)爬蟲(chóng)”。
這些勤勞的“蜘蛛”每天在互聯(lián)網(wǎng)上爬行，從一個(gè)鏈接到另一個(gè)鏈接，下載其中的內(nèi)容，進(jìn)行分析提煉，找到其中的關(guān)鍵詞，如果“蜘蛛”認(rèn)為關(guān)鍵詞在數(shù)據(jù)庫(kù)中沒(méi)有而對(duì)用戶是有用的便存入數(shù)據(jù)庫(kù)。反之，如果“蜘蛛”認(rèn)為是垃圾信息或重復(fù)信息，就舍棄不要，繼續(xù)爬行，尋找最新的、有用的信息保存起來(lái)提供用戶搜索。當(dāng)用戶搜索時(shí)，就能檢索出與關(guān)鍵字相關(guān)的網(wǎng)址顯示給訪客。
一個(gè)關(guān)鍵詞對(duì)用多個(gè)網(wǎng)址，因此就出現(xiàn)了排序的問(wèn)題，相應(yīng)的當(dāng)與關(guān)鍵詞最吻合的網(wǎng)址就會(huì)排在前面了。在“蜘蛛”抓取網(wǎng)頁(yè)內(nèi)容，提煉關(guān)鍵詞的這個(gè)過(guò)程中，就存在一個(gè)問(wèn)題：“蜘蛛”能否看懂。如果網(wǎng)站內(nèi)容是flash和js，那么它是看不懂的，會(huì)犯迷糊，即使關(guān)鍵字再貼切也沒(méi)用。相應(yīng)的，如果網(wǎng)站內(nèi)容是它的語(yǔ)言，那么它便能看懂，它的語(yǔ)言即SEO。
搜索引擎的基本工作原理包括如下三個(gè)過(guò)程：
-
抓取網(wǎng)頁(yè)。每個(gè)獨(dú)立的搜索引擎都有自己的網(wǎng)頁(yè)抓取程序爬蟲(chóng)（spider）。爬蟲(chóng)Spider順著網(wǎng)頁(yè)中的超鏈接，從這個(gè)網(wǎng)站爬到另一個(gè)網(wǎng)站，通過(guò)超鏈接分析連續(xù)訪問(wèn)抓取更多網(wǎng)頁(yè)。被抓取的網(wǎng)頁(yè)被稱之為網(wǎng)頁(yè)快照。由于互聯(lián)網(wǎng)中超鏈接的應(yīng)用很普遍，理論上，從一定范圍的網(wǎng)頁(yè)出發(fā)，就能搜集到絕大多數(shù)的網(wǎng)頁(yè)。
-
處理網(wǎng)頁(yè)。搜索引擎抓到網(wǎng)頁(yè)后，還要做大量的預(yù)處理工作，才能提供檢索服務(wù)。其中，最重要的就是提取關(guān)鍵詞，建立索引庫(kù)和索引。其他還包括去除重復(fù)網(wǎng)頁(yè)、分詞（中文）、判斷網(wǎng)頁(yè)類型、分析超鏈接、計(jì)算網(wǎng)頁(yè)的重要度/豐富度等。
-
提供檢索服務(wù)。用戶輸入關(guān)鍵詞進(jìn)行檢索，搜索引擎從索引數(shù)據(jù)庫(kù)中找到匹配該關(guān)鍵詞的網(wǎng)頁(yè)；為了用戶便于判斷，除了網(wǎng)頁(yè)標(biāo)題和URL外，還會(huì)提供一段來(lái)自網(wǎng)頁(yè)的摘要以及其他信息。
