百度搜索引擎工作原理-1-抓取建库_威海佰年网络技术有限公司_网站建设_软件开发_私有云_商标注册_公众号_小程序_APP_物联网_ChatGPT

Categories

Tags

百度搜索引擎工作原理-1-抓取建库

百度搜索引擎的工作原理包括四个主要步骤：抓取建库、索引和排序、查询和展示。本文将详细介绍第一步——抓取建库。抓取建库是指百度搜索引擎自动收集互联网上的网页，并将其存储在一个庞大的数据库中。这个过程是由自动化程序（称为爬虫或蜘蛛）执行的。百度的爬虫程序以网页为基础，从每个网页的链接开始自动抓取所有相关的网页，并将这些网页保存在一个大型数据库中。这个过程被称为“爬行”，“爬取”或“抓取”。当百度的爬虫程序发现一个新的网页时，它会访问这个网页，同时检查其中的链接，并将这些链接添加到队列中，以便后续抓取。这个过程会持续不断，直到爬虫程序抓取了整个互联网上的所有相关网页。在抓取建库阶段，百度的爬虫程序遵循一定的规则和算法，以确保收集到的是高质量、相关性强的网页。例如，它会优先抓取常更新的网站，尽量避免抓取重复的网页，以及识别并避免一些可能会对搜索结果产生垃圾数据的网站等。总之，抓取建库是百度搜索引擎实现高质量搜索结果的关键步骤之一。百度通过完善的爬虫程序和算法，不断提高抓取的效率和准确性，为用户提供更加丰富、准确、实用的搜索结果。

Public @ 2023-04-06 19:50:54

搜索引擎是怎么删除重复网页的

百度曾在站长贴吧里做过这样一个回复：从用户体验角度，“有些转载未必比原创差”。比方一篇科技原创博文，被知名门户网站的科技频道转载。如果这种转载保留原创者姓名和出处链接，实际上对原创者是有利的，因为起到了更好的传播效果。只是国内的转载，很多是掐头去尾，使原创者比较受伤。据资料表明近似重复网页的数量占网页总数的的比较高达全部页面的29%，而完全相同的页面大约占全部页面的22%。很多站长都会抱怨，自己写

Public @ 2011-01-17 16:22:23

百度搜索引擎工作原理-1-抓取建库

Spider抓取系统的基本框架互联网信息爆发式增长，如何有效的获取并利用这些信息是搜索引擎工作中的首要环节。数据抓取系统作为整个搜索系统中的上游，主要负责互联网信息的搜集、保存、更新环节，它像蜘蛛一样在网络间爬来爬去，因此通常会被叫做“spider”。例如我们常用的几家通用搜索引擎蜘蛛被称为：Baiduspdier、Googlebot、Sogou Web Spider等。Spider抓取系统是搜索

Public @ 2014-12-20 16:21:47

百度搜索引擎工作原理-3-检索排序

检索排序是指根据用户查询的关键词和相关度分数对文档进行排序，以便在搜索结果页面中将最相关和最相关的文档排在前面。百度搜索引擎使用了一种称为PBM（Probabilistic Boolean Model）的检索算法来衡量文档的相关性，以及PageRank算法来确定文档的权重和排名。 PBM算法将计算文档中包含用户搜索查询词的概率，并以此计算文档的相关度得分。这个概率是通过使用贝叶斯公式结合词频率、

Public @ 2023-06-16 04:00:39

百度搜索引擎工作原理-3-检索排序

搜索引擎索引系统概述众所周知，搜索引擎的主要工作过程包括：抓取、存储、页面分析、索引、检索等几个主要过程。上一章我们主要介绍了部分抓取存储环节中的内容，此章简要介绍一下索引系统。在以亿为单位的网页库中查找特定的某些关键词犹如大海里面捞针，也许一定的时间内可以完成查找，但是用户等不起，从用户体验角度我们必须在毫秒级别给予用户满意的结果，否则用户只能流失。怎样才能达到这种要求呢？如果能知道用户查找的关

Public @ 2022-09-15 16:21:46

更多您感兴趣的搜索

基本文件流程错误 SQL 调试

/www/wwwroot/bninc.cn/public/index.php ( 0.79 KB )
/www/wwwroot/bninc.cn/public/public.php ( 1.08 KB )
/www/wwwroot/bninc.cn/thinkphp/start.php ( 0.73 KB )
/www/wwwroot/bninc.cn/thinkphp/base.php ( 2.66 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Loader.php ( 19.47 KB )
/www/wwwroot/bninc.cn/vendor/composer/autoload_namespaces.php ( 0.21 KB )
/www/wwwroot/bninc.cn/vendor/composer/autoload_psr4.php ( 0.84 KB )
/www/wwwroot/bninc.cn/vendor/composer/autoload_classmap.php ( 0.14 KB )
/www/wwwroot/bninc.cn/vendor/composer/autoload_files.php ( 0.42 KB )
/www/wwwroot/bninc.cn/vendor/qiniu/php-sdk/src/Qiniu/functions.php ( 7.10 KB )
/www/wwwroot/bninc.cn/vendor/qiniu/php-sdk/src/Qiniu/Config.php ( 0.70 KB )
/www/wwwroot/bninc.cn/vendor/topthink/think-captcha/src/helper.php ( 1.59 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Route.php ( 59.82 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Config.php ( 6.03 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Validate.php ( 40.27 KB )
/www/wwwroot/bninc.cn/vendor/topthink/think-queue/src/config.php ( 0.77 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Console.php ( 21.22 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Error.php ( 3.59 KB )
/www/wwwroot/bninc.cn/thinkphp/convention.php ( 10.31 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/App.php ( 21.04 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Request.php ( 50.94 KB )
/www/wwwroot/bninc.cn/app/config.php ( 11.25 KB )
/www/wwwroot/bninc.cn/app/database.php ( 1.41 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Hook.php ( 4.76 KB )
/www/wwwroot/bninc.cn/app/tags.php ( 1.16 KB )
/www/wwwroot/bninc.cn/app/common/behavior/InitBase.php ( 8.17 KB )
/www/wwwroot/bninc.cn/app/common.php ( 23.29 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Env.php ( 1.25 KB )
/www/wwwroot/bninc.cn/thinkphp/helper.php ( 17.86 KB )
/www/wwwroot/bninc.cn/app/function.php ( 0.78 KB )
/www/wwwroot/bninc.cn/app/extend.php ( 13.29 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Debug.php ( 7.06 KB )
/www/wwwroot/bninc.cn/app/common/model/Config.php ( 0.78 KB )
/www/wwwroot/bninc.cn/app/common/model/ModelBase.php ( 12.18 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Model.php ( 66.83 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Db.php ( 6.54 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Log.php ( 5.84 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/db/connector/Mysql.php ( 3.94 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/db/Connection.php ( 29.97 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/db/Query.php ( 86.80 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/db/builder/Mysql.php ( 2.16 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/db/Builder.php ( 30.47 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Cache.php ( 6.17 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/cache/driver/File.php ( 7.46 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/cache/Driver.php ( 5.52 KB )
/www/wwwroot/bninc.cn/app/common/behavior/InitHook.php ( 1.25 KB )
/www/wwwroot/bninc.cn/app/common/model/Hook.php ( 0.77 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Lang.php ( 6.95 KB )
/www/wwwroot/bninc.cn/thinkphp/lang/zh-cn.php ( 3.85 KB )
/www/wwwroot/bninc.cn/app/route.php ( 0.91 KB )
/www/wwwroot/bninc.cn/app/index/config.php ( 0.96 KB )
/www/wwwroot/bninc.cn/app/index/common.php ( 0.68 KB )
/www/wwwroot/bninc.cn/app/index/controller/Wiki.php ( 2.44 KB )
/www/wwwroot/bninc.cn/app/index/controller/IndexBase.php ( 1.10 KB )
/www/wwwroot/bninc.cn/app/common/controller/ControllerBase.php ( 4.75 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Controller.php ( 6.20 KB )
/www/wwwroot/bninc.cn/thinkphp/library/traits/controller/Jump.php ( 4.97 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/View.php ( 6.86 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/view/driver/Think.php ( 5.61 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Template.php ( 46.46 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/template/driver/File.php ( 2.24 KB )
/www/wwwroot/bninc.cn/app/index/logic/Wiki.php ( 6.16 KB )
/www/wwwroot/bninc.cn/app/index/logic/IndexBase.php ( 0.79 KB )
/www/wwwroot/bninc.cn/app/common/logic/LogicBase.php ( 0.83 KB )
/www/wwwroot/bninc.cn/app/common/model/Article.php ( 0.78 KB )
/www/wwwroot/bninc.cn/app/common/model/ArticleTongji.php ( 0.79 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/paginator/driver/Bootstrap.php ( 5.90 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Paginator.php ( 9.45 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Collection.php ( 8.63 KB )
/www/wwwroot/bninc.cn/runtime/temp/fd12b1d7af823e9ae53201dacc6a6621.php ( 56.49 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/Response.php ( 8.64 KB )
/www/wwwroot/bninc.cn/thinkphp/library/think/debug/Html.php ( 4.27 KB )

[ DB ] CONNECT:[ UseTime:0.021776s ] mysql:dbname=briline.net;host=106.14.77.182;port=3306;charset=utf8
[ SQL ] SHOW COLUMNS FROM `ob_article` [ RunTime:0.022467s ]
[ SQL ] SELECT * FROM `ob_article` WHERE `id` = 6882 LIMIT 1 [ RunTime:0.014879s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'const', 'possible_keys' => 'PRIMARY', 'key' => 'PRIMARY', 'key_len' => '4', 'ref' => 'const', 'rows' => 1, 'extra' => NULL, ) ]
[ SQL ] select * from `ob_article_tongji` where category_id=12 and mark_type='cate' order by times desc limit 15 [ RunTime:0.014780s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article_tongji', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 608, 'extra' => 'Using where; Using filesort', ) ]
[ SQL ] select * from `ob_article_tongji` where category_id=12 and mark_type='tags' order by times desc limit 100 [ RunTime:0.018435s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article_tongji', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 608, 'extra' => 'Using where; Using filesort', ) ]
[ SQL ] select * from `ob_article_tongji` where category_id=12 and mark_type='tags' order by rand() limit 30 [ RunTime:0.015446s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article_tongji', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 608, 'extra' => 'Using where; Using temporary; Using filesort', ) ]
[ SQL ] SELECT * FROM `ob_article` WHERE `id` = 6882 LIMIT 1 [ RunTime:0.014325s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'const', 'possible_keys' => 'PRIMARY', 'key' => 'PRIMARY', 'key_len' => '4', 'ref' => 'const', 'rows' => 1, 'extra' => NULL, ) ]
[ SQL ] update `ob_article` set views=views+2 where id=6882 [ RunTime:0.016414s ]
[ SQL ] SELECT COUNT(*) AS tp_count FROM `ob_article` WHERE `category_id` = 12 AND `cate` = '威海搜索引擎工作原理' AND `status` <> -1 LIMIT 1 [ RunTime:0.021795s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 8035, 'extra' => 'Using where', ) ]
[ SQL ] SELECT * FROM `ob_article` WHERE `category_id` = 12 AND `cate` = '威海搜索引擎工作原理' AND `status` <> -1 ORDER BY rand() LIMIT 0,2 [ RunTime:0.040473s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 8035, 'extra' => 'Using where; Using temporary; Using filesort', ) ]
[ SQL ] SELECT COUNT(*) AS tp_count FROM `ob_article` WHERE `category_id` = 12 AND `tags` = '威海百度搜索引擎工作原理（百度搜索资源平台）' AND `status` <> -1 LIMIT 1 [ RunTime:0.021872s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 8035, 'extra' => 'Using where', ) ]
[ SQL ] SELECT * FROM `ob_article` WHERE `category_id` = 12 AND `tags` = '威海百度搜索引擎工作原理（百度搜索资源平台）' AND `status` <> -1 ORDER BY rand() LIMIT 0,2 [ RunTime:0.032415s ]
[ EXPLAIN : array ( 'id' => 1, 'select_type' => 'SIMPLE', 'table' => 'ob_article', 'type' => 'ALL', 'possible_keys' => NULL, 'key' => NULL, 'key_len' => NULL, 'ref' => NULL, 'rows' => 8035, 'extra' => 'Using where; Using temporary; Using filesort', ) ]

0.507430s

ShowPageTrace