主頁(yè) > 知識(shí)庫(kù) > 搜索引擎收錄網(wǎng)頁(yè)的四個(gè)階段分析

搜索引擎收錄網(wǎng)頁(yè)的四個(gè)階段分析

熱門(mén)標(biāo)簽:成都米蘭400的電話 如何申請(qǐng) 撒哈拉沙漠地圖標(biāo)注app 外呼系統(tǒng)為什么不好做了 臨汾電腦外呼系統(tǒng)平臺(tái) 電銷(xiāo)機(jī)器人怎么做 地圖標(biāo)注地址怎么改店 天津營(yíng)銷(xiāo)外呼系統(tǒng)加盟 常州手機(jī)外呼系統(tǒng)開(kāi)發(fā) 高德停車(chē)位地圖標(biāo)注點(diǎn)

網(wǎng)頁(yè)收錄第一階段:大小通吃
搜索引擎的網(wǎng)頁(yè)抓取都是采取「大小通吃」的策略,也就是把網(wǎng)頁(yè)中能發(fā)現(xiàn)的鏈接逐一加入到待抓取URL中,機(jī)械性的將新抓取的網(wǎng)頁(yè)中的URL提取出來(lái),這種方式雖然比較古老,但效果很好,這就是為什么很多站長(zhǎng)反應(yīng)蜘蛛來(lái)訪問(wèn)了,但沒(méi)有收錄的原因,這僅僅是第一階段。

網(wǎng)頁(yè)收錄第二階段:網(wǎng)頁(yè)評(píng)級(jí)
而第二階段則是對(duì)網(wǎng)頁(yè)的重要性進(jìn)行評(píng)級(jí),PageRank是一種著名的鏈接分析算法,可以用來(lái)衡量網(wǎng)頁(yè)的重要性,很自然的,站長(zhǎng)可以用PageRank的思路來(lái)對(duì)URL進(jìn)行排序,這就是各位熱衷的「發(fā)外鏈」,據(jù)一位朋友了解,在中國(guó)「發(fā)外鏈」這個(gè)市場(chǎng)每年有上億元的規(guī)模。    

爬蟲(chóng)的目的就是去下載網(wǎng)頁(yè),但PageRank是個(gè)全局性算法,也就是當(dāng)所有網(wǎng)頁(yè)有下載完成后,其計(jì)算結(jié)果才是可靠的。對(duì)于中小網(wǎng)站來(lái)講,服務(wù)器如果質(zhì)量不好,如果在抓取過(guò)程中,只看到部分內(nèi)容,在抓取階段是無(wú)法獲得可靠的PageRank得分。

網(wǎng)頁(yè)收錄第三階段:OCIP策略
OCIP策略更像是PageRank算法的改進(jìn)。在算法開(kāi)始之前,每個(gè)網(wǎng)頁(yè)都給予相同的「現(xiàn)金」,每當(dāng)下載某個(gè)頁(yè)面A后,A將自己的「現(xiàn)金」平均分給頁(yè)面中包含的鏈接頁(yè)面,把自己的「現(xiàn)金」清空。這就是為什么導(dǎo)出的鏈接越少,權(quán)重會(huì)越高的原因之一。

而對(duì)于待抓取的網(wǎng)頁(yè),會(huì)根據(jù)手頭擁有的現(xiàn)金多少排序,優(yōu)先下載現(xiàn)金最充裕的網(wǎng)頁(yè),OCIP大致與PageRank思路一致,區(qū)別在于:PageRank每次要迭代計(jì)算,而OCIP則不需要,所以計(jì)算速度遠(yuǎn)遠(yuǎn)快于PageRank,適合實(shí)時(shí)計(jì)算使用。這可能就是為什么很多網(wǎng)頁(yè)會(huì)出現(xiàn)「秒收」的情況了。

網(wǎng)頁(yè)收錄第四階段:大站優(yōu)先策略
大站優(yōu)先的思路很直接,以網(wǎng)站為單位來(lái)衡量網(wǎng)頁(yè)的重要性,對(duì)于待抓取的URL隊(duì)列中的網(wǎng)頁(yè),根據(jù)所述網(wǎng)站歸類(lèi),如果哪個(gè)網(wǎng)站等待下載的頁(yè)面最多,則優(yōu)先下載這些鏈接。其本質(zhì)思想是「傾向于優(yōu)先下載大型網(wǎng)站URL」。因?yàn)榇笮途W(wǎng)站往往包含更多的頁(yè)面。鑒于大型網(wǎng)站往往是名站,其網(wǎng)頁(yè)質(zhì)量一般較高,所以這個(gè)思路雖然簡(jiǎn)單,但有一定依據(jù)。

實(shí)驗(yàn)表明這個(gè)算法雖然簡(jiǎn)單粗暴,但卻能收錄高質(zhì)量網(wǎng)頁(yè),很有效果。這也是為什么許多網(wǎng)站的內(nèi)容被轉(zhuǎn)載后,大站卻能排到你前面的最重要原因之一。

標(biāo)簽:揚(yáng)州 湖北 包頭 南京 銅陵 安順 新余

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《搜索引擎收錄網(wǎng)頁(yè)的四個(gè)階段分析》,本文關(guān)鍵詞  搜索引擎,收錄,網(wǎng)頁(yè),的,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《搜索引擎收錄網(wǎng)頁(yè)的四個(gè)階段分析》相關(guān)的同類(lèi)信息!
  • 本頁(yè)收集關(guān)于搜索引擎收錄網(wǎng)頁(yè)的四個(gè)階段分析的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章