蜘蛛爬行：搜索引擎派出“蜘蛛”(網(wǎng)頁抓取程序)進(jìn)行網(wǎng)頁抓取，爬取網(wǎng)頁時(shí)一般采用深度優(yōu)先、寬度優(yōu)先或最佳優(yōu)先策略；抓取建庫：將蜘蛛抓取到的網(wǎng)頁放到原始數(shù)據(jù)庫中，并丟棄掉不符合抓取規(guī)則的網(wǎng)頁；網(wǎng)頁處理：對(duì)符合規(guī)則的網(wǎng)頁進(jìn)行預(yù)處理，主要包括網(wǎng)頁結(jié)構(gòu)化、分詞、降噪、建立索引等；檢索服務(wù)：根據(jù)用戶提交的關(guān)鍵詞從數(shù)據(jù)庫中將符合匹配規(guī)則的網(wǎng)頁調(diào)取，并根據(jù)權(quán)重排序規(guī)則對(duì)其進(jìn)行排序；結(jié)果展示：將排序好的網(wǎng)頁按不同的方式呈現(xiàn)給用戶。
本文地址：http://www.youmaike.com//article/27632.html
