iPhone12的搜索引擎工作原理是什么？如何解决？

　　iPhone12的搜索引擎工作原理是什么？如何解决？

　　一、什么是搜索引擎

　　搜索引擎是一种计算机程序，可以帮助用户搜索所需的内容。换句话说，搜索引擎将计算机中存储的信息与用户的信息需求进行匹配，并显示匹配结果。

　　例如：如果您想购买iPhone12，并且想知道“ iPhone12”的配置或价格，请在浏览器搜索框中输入“ iPhone12”，然后单击搜索按钮。 关键词“ iPhone12”是您的信息需求。在浏览器显示搜索结果的十分之一秒内，其程序根据关键字搜索了巨大的数据库，并最终计算出有关“ iPhone12”的所有网页。

　　二、搜索引擎如何工作

　　在搜索引擎网站的背景下，将有一个非常大的数据库，其中存储着大量的关键词，每个关键词对应于许多URL，这些URL被称为“搜索引擎”蜘蛛”或“网络爬虫”。该程序是从庞大的Internet上逐步下载的。随着各种网站的出现，这些辛勤工作的“蜘蛛”每天都会在Internet上爬行，从一个链接到另一个链接，下载内容，进行分析和细化，找到关键词，如果“蜘蛛”认为关键词不在数据库中并且对用户有用，因此将其存储在后端数据库中；相反，如果“蜘蛛”认为它是垃圾邮件或重复信息，则将其丢弃，继续爬网，找到最新有用的信息，保存并提供给用户搜索。当用户搜索时，他们可以检索与关键字相关的URL并将其显示给访问者。

　　关键词对使用多个URL，因此存在排序问题，最匹配关键词的相应URL将排在第一位。在“蜘蛛”爬网内容和完善关键词的过程中，存在一个问题：“蜘蛛”能否理解它。如果网站的内容是flash，js等，则它是令人困惑和困惑的，即使关键字更合适，它们也没有用。相应地，如果搜索引擎可以识别网站的内容，则搜索引擎将增加网站的权重并增加网站的友好性。我们称这种过程为SEO。

　　三、搜索引擎的工作流程（三个阶段）

　　搜索引擎的工作过程大致可以分为三个阶段。

　　[阶段1]爬网和爬网：搜索引擎蜘蛛通过跟踪链接访问网页，并获取网页的HTML代码并将其存储在数据库中。

　　1、什么是蜘蛛？

　　在抓取网页数据时称为执行程序。实际上，它是一个计算机程序，因为此工作过程实际上与蜘蛛非常相似，业内人士称其为搜索引擎蜘蛛！蜘蛛程序将访问请求发送到网站页面，服务器将返回HTML代码，并且蜘蛛程序将接收到的代码存储在原创页面的数据库中。蜘蛛访问任何网站时，它将首先访问网站根目录中的robots.txt文件！如果robots.txt文件禁止搜索引擎抓取某些文件或目录，则抓取工具将遵守这些禁止措施，并且不会抓取那些禁止访问的网址。

　　2、如何跟踪链接？

　　为了在网络上尽可能多地爬网，搜索引擎蜘蛛将跟踪网站页面上的链接，并从一个页面爬到下一个页面。这个过程就像蜘蛛在蜘蛛网上爬行一样，这就是搜索引擎名称蜘蛛的起源。整个Internet由相互链接的网站个页面组成。从理论上讲，只要给蜘蛛足够的时间，它就可以始终对Internet上的所有页面链接进行爬网。但是实际情况并非如此。由于网站和链接结构非常复杂，因此蜘蛛需要采用某些爬网策略来遍历Internet上的所有页面。

　　3、爬行策略

　　根据网站的不同链接结构，我们可以将蜘蛛爬网策略分为两种：深度爬网和广度爬网

　　深度爬行：蜘蛛会沿着找到的页面链接向前爬行，直到前面没有更多链接，然后返回第一页，然后沿着另一个链接向前爬行！

　　广度抓取：当抓取工具在页面上找到多个链接时，它不会沿某个链接向前爬行，而是对页面上的所有第一级链接进行爬行，然后沿第二级继续前进。页面爬到第三页！继续这样

　　在实际工作中，爬虫的带宽资源和时间有限，并且不可能爬网所有页面。深度优先和宽度优先通常是混合使用的，因此您可以尽可能多地使用网站（宽度优先）和网站的部分内页（深度优先）

　　4、吸引蜘蛛

　　从上面的介绍中可以看到，蜘蛛不可能收录所有页面，因此SEO将使用各种方法来吸引蜘蛛自己收录爬行网站更多页面。由于所有页面均不能为收录，因此蜘蛛程序必须尝试对重要页面进行爬网。那么，蜘蛛程序如何确定哪些页面更重要？有几个影响因素：

　　网站和页面权重：高品质，高级网站高权重

　　页面更新率：网站更新频率高，权重高

　　导入的链接：无论是外部链接还是内部链接，为了被蜘蛛抓取，必须有一个导入的链接才能进入页面。高质量的导入链接通常会增加页面上导出链接的爬网深度

　　与首页的点击距离：通常，网站在首页上的权重最高，大多数外部链接都指向首页，并且蜘蛛最常访问的首页也是首页。因此，页面离首页越近，权重越高，蜘蛛被爬网的机会越大

　　5、地址库

　　搜索引擎将建立一个用于存储页面的地址库。目的是避免搜索引擎蜘蛛对URL进行重复爬网和爬网。此地址库中的某些页面已被爬网，而某些页面在被发现后尚未被爬网。页。这个地址数据库中的URL是否必须由爬虫进行爬网？答案是否定的。有手动输入的*敏*感*词*网站地址，有些网站管理员通过搜索引擎网页（通常是个人博客或网站使用此方法）提交URL。爬网程序抓取页面后，它将解析URL和地址库的比较。如果不存在，请将其存放

　　6、文件存储

　　由搜索引擎蜘蛛抓取的数据存储在此原创页面数据库中，并且其中的页面数据与用户浏览器获得的HTML完全相同。每个网址都有一个唯一的文件号

　　7、检测复制的内容

　　在爬行和爬行文件时，spider还将执行一定程度的复制内容检测！当遇到重量轻，抄袭和复制内容大量的网站时，蜘蛛可能会停止爬行。这就是为什么某些网站管理员在日志文件中发现蜘蛛的原因，但该页面从未真正被发现收录。

　　[第二阶段]预处理：索引程序对爬网的网页数据执行文本提取，中文分词，索引和其他处理，以准备要调用的排名程序。

　　由于搜索引擎数据库中的数据太多，用户在搜索框中输入关键词后无法返回排名结果，但是我们经常觉得它很快。实际上，关键的作用是预测处理此过程，就像爬网过程一样，他也在后台提前完成。有人认为预处理在建立索引，但事实并非如此。索引只是预处理的主要步骤。那么什么是索引编制呢？索引是一种用于对数据库列表中一个或多个列的值进行排序的结构。编制索引之前需要完成五项任务：

　　1、提取文字

　　搜索引擎要做的第一件事是从HTML文件中删除HTML格式标签和javascript程序，并提取可用于排名处理的网站页面的文本内容。除了提取可见文本之外，搜索引擎还可以提出以下不可见文本内容，例如：meta标签中的文本内容，图片替代文本，flash文件替代文本，链接锚文本等。

　　2、中文分词

　　在中文句子中，字符之间没有分隔符，句子中的单词都连接在一起。因此，此时，搜索引擎必须首先区分哪些字符构成一个单词，哪些字符本身就是一个单词。例如：“波司登羽绒服”分为两个词：“波司登”和“羽绒服”。中文分词一般有两种方法：

　　字典匹配：将要分析的汉字片段与预构建字典中的条目进行匹配，从要分析的中文字符串中扫描字典中现有的条目，然后匹配成功或拆分一个字。

　　根据搜索统计：基于统计的分词方法是指分析大量文本样本并计算彼此相邻出现的词的统计概率。彼此相邻出现的单词越多，形成单词的可能性就越大。基于统计的方法的优点是它对新单词的反应更快，也有助于消除歧义。

　　基于字典匹配和统计的分词方法各有优缺点，实际使用中的分词系统混杂。

　　这两种方法快速有效，可以识别新单词和新单词，并消除歧义。 ）

　　3、停用词

　　什么是停用词？一些单词经常出现在页面的内容中，但对内容没有影响。例如：“的”，“地”，“得”和其他辅助词； “ Ah”，“ ha”，“ Ah”和其他感叹词； “因此”，“以”，“ Q”等介词。英文常见的停用词，例如“ the”和“ of”。这些词称为停用词，因为它们对页面的主要含义没有影响。搜索引擎停用单词有两个主要目的：

　　一种方法是使索引数据的主题更加突出并减少不必要的计算

　　第二步是检查您的内容是否与另一个数据库中的内容重复很多

　　4、去除噪音

　　这里的噪声不是我们所说的噪声，它专门指的是一种垃圾，即多余的单词！这些词通常收录在版权声明文本，导航栏和广告中。搜索引擎需要识别并消除这些噪音，并且在排名时不使用噪音内容。去噪的基本方法是根据HTML标签将页面划分为块，区分页眉，导航，文本，页脚，广告和其他区域。 网站上的大量重复块通常是噪音，只能用于页面主题。扮演分散的角色。对页面进行去噪后，剩下的就是页面的主要内容。

　　5、删除（充填）

　　同一文章文章通常在不同的网站和相同的网站的不同URL上反复出现。搜索引擎不喜欢这种重复性内容。用户搜索时，如果在前两页中看到来自不同网站的同一文章文章，则尽管它们都是与内容相关的，但用户体验仍然很差。搜索引擎希望只返回同一文章中的一篇文章，因此它需要在索引之前识别并删除重复的内容。此过程称为“重复数据删除”

　　完成上述五个步骤后，搜索引擎将能够获得能够反映页面主要内容（以字为单位）的独特内容。然后，搜索引擎程序通过分词程序将上面提取的关键词进行划分，并将每个网站页面转换为一组关键词，并记录该页面上出现的每个关键词的频率，次数，它们的格式（例如：标题标签，粗体字，H标签，锚文本等）和位置（段落数）以权重的形式记录下来，然后放置在一个地方，这个地方专用于这些复合词索引库的词汇结构，也称为“词汇索引表”

　　6、前进索引

　　页面被转换为关键词的集合，并且页面上每个关键词的频率和输出。同时记录。

　　次数，格式（例如出现在标题标签，粗体字，H标签，锚文本等），位置（例如页面的第一段）

　　文字等）。这样，每个页面可以记录为一系列关键词集，其中每个关键词的词频

　　还会记录重量信息，例如格式和位置。每个文件夹对应一个ID，文件的内容表示为一组关键词。在搜索引擎的索引库中，此时关键词尚未转换为关键词 ID。这种数据结构称为前向索引

　　7、倒排索引

　　因为前向索引不能直接用于排名，例如，如果用户搜索某个关键词 2，则如果用户仅搜索某个关键词 2，则他只能找到收录该关键词 2的文件夹关键词，并且实际上无法返回排名。此时将使用倒排索引。在倒排索引中，关键词成为主键，每个关键词对应于一系列文件，并且每个文件都显示关键词要搜索，因此当用户搜索某个关键词时，对程序进行排序可以在反向列表中找到与此关键词对应的文件

　　8、特殊文件的处理

　　除了HTML文件之外，搜索引擎通常还可以抓取和索引各种基于文本的文件类型，例如

　　PDF，Word，WPS，XLS，PPT，TXT文件等。我们经常在搜索结果中看到它们。

　　文件类型。但是，当前的搜索引擎无法处理图像，视频和Flash等非文本内容，

　　执行脚本和程序。尽管搜索引擎在识别图像和从Flash提取文本内容方面取得了一些进步，但它们仍然远非通过读取图像，视频和Flash内容直接返回结果的目标。图片和视频内容的排名通常基于与它们有关的文本内容。因此，在SEO中，您网站尽可能少地使用这些

　　9、链接关系的计算

　　搜索引擎抓取页面时，还必须预先计算出哪些链接指向页面上的哪些页面。每个页面上导入的链接是什么？链接中使用了哪些锚文本？这些复杂的链接指向关系构成了网站和页面的链接权重。

　　[阶段3]排名：用户输入关键词后，排名程序将调用索引库数据，计算相关性，然后以某种格式生成搜索结果页面。

　　1、搜索字词处理

　　中文分词：与页面索引一样，搜索词也必须是中文分词，并且查询字符串将转换为基于单词的关键词组合。分词的原理与页面分词的原理相同。

　　删除停用词：与建立索引一样，搜索引擎还需要从搜索字词中删除停用词，以最大程度地提高排名相关性和效率。

　　指令处理：例如加号，减号等，搜索引擎需要相应地识别和处理

　　拼写错误纠正：如果用户输入了明显的错误单词或英语单词，搜索引擎将提示用户使用正确的单词或拼写

　　集成的搜索触发条件：例如，搜索名人时，会出现图片，视频和其他内容，适合热门话题

　　2、文件匹配

　　倒排索引可以快速匹配文件。假设用户搜索“ 关键词 2 关键词 7”，排名程序只需在倒排索引中找到单词“ 关键词 2”和“ 关键词 7”，您可以找到收录以下内容的所有页面：这两个词。经过简单的计算，我们可以找到所有同时收录“ 关键词 2”和“ 关键词 7”的页面：文件1和文件6

　　3、初始子集选择

　　Internet上有成千上万的页面，搜索某个关键词将会有成千上万的页面。如果搜索引擎出现并直接计算页面的相关性，那么Up太耗时了。实际上，用户不需要查看这数千个页面，他们只需要一两个有用的页面即可。此时，搜索引擎将根据用户的搜索词选择100个文件，然后将其返回。那么，它们选择了哪一百个文件？这取决于您的网站页面和用户搜索的关键词之间的相对匹配。权重较高的页面将进入搜索引擎的预选子集

　　4、相关性计算

　　选择初始子集后，计算该子集中页面的关键词相关性。影响相关性的主要因素包括以下几个方面：

　　关键词常用程度：较常用的词对搜索项含义的贡献较小，而较不常用的词对含义的贡献更大。假设用户输入的搜索词是“ we DKI”。 “我们”一词非常常用，它出现在许多页面上。它对搜索词“我们的DKI”的识别和意义贡献不大。收录单词“ DKI”的页面将与搜索词“我们的DKI”更相关

　　词的频率和密度：通常认为，在没有关键词积累的情况下，搜索词在页面上的出现频率更高，并且密度更高，表明该页面与搜索词更相关。

　　关键词的位置和格式：如索引部分所述，页面关键词的格式和位置记录在索引库中。 关键词出现在更重要的位置，例如标题标签，粗体，H1等，指示该页面与关键词更加相关。这是SEO页面需要解决的问题

　　关键词距离：分割后的关键词显示为完全匹配，表明它与搜索词最相关。例如，当搜索“减肥方法”时，在页面上连续且完全出现的四个单词“减肥方法”是最相关的。如果“减肥”和“方法”这两个词不连续匹配，则它们看起来更接近，搜索引擎也认为它们的相关性更高。

　　链接分析和页面权重：除了页面本身之*敏*感*词*的文本，等等。

　　5、排名过滤和调整

　　在计算了相关性之后，已经确定了总体排名。之后，搜索引擎可能还会使用一些过滤算法来稍微调整排名，其中最重要的是施加惩罚。根据正常权重和相关性计算，一些可疑的作弊页面排名第一，但是搜索引擎的惩罚算法可能会将这些页面移到最后一步。典型示例包括百度的11位算法，Google的6、负3 0、负950和其他算法。

　　6、排名显示

　　确定所有排名后，排名程序将调用原创页面的标题标签，描述标签，快照日期和其他数据以显示在页面上。有时搜索引擎需要动态生成页面摘要，而不是调用页面本身的描述标签。

　　7、搜索缓存

　　每次搜索都需要重新处理排名，这将是极大的浪费。搜索引擎将最常用的搜索词存储在缓存中，用户在搜索时将直接从缓存中调用它，而无需进行文件匹配和相关性计算，从而大大提高了排名效率，缩短了搜索响应时间

　　8、查询并单击日志

　　搜索用户的IP地址，搜索关键词，搜索时间以及单击哪个结果页面，搜索引擎记录并形成日志。这些日志文件中的数据对于搜索引擎判断搜索结果的质量，调整搜索算法并预测搜索趋势具有重要意义。

　　四、前端SEO规范概述

　　1、合理的标题，描述，关键字以及对这三个项目的搜索权重都一一减少，标题值可以突出重点。该描述从高层次上总结了页面的内容，不应过度堆积关键词，关键字列出的内容也很重要关键词。

　　2、语义HTML标签

　　3、非装饰图片必须添加alt

　　4、将重要内容放在HTML的顶部，然后首先加载。搜索引擎从上到下抓取HTML，以确保必须抓取重要内容

　　5、每页仅显示一个h1标签

　　由于搜索引擎无法捕获6、页面，因此不应将其制作为Flash，图片或视频

　　7、使用更少的iframe，无法捕获iframe

　　8、页面应尽可能平整，水平太深且不利于爬网

　　9、异步加载内容（ajax）搜索引擎也无法抓取。重要信息可以直接输出，有利于用户体验和搜索引擎优化

　　1 0、使用友好链接将自己的网站链接导入其他人的网站

　　1 1、尚未向主要搜索引擎登录门户提交收录个网站

　　1 2、提高网站的速度，网站速度是搜索引擎排名的重要指标

　　1 3、编写好404页面不仅可以改善蜘蛛体验，而且可以使用户体验更好

　　五、前端SEO规范的详细介绍

　　[1] 网站结构布局优化

　　通常来说，建立的网站结构级别越少，“蜘蛛”（因此收录）就越容易抓住它。通常，中小型网站的目录结构超过了三个级别，“蜘蛛”不愿向下爬。并根据相关数据调查：如果访客跳了3次后仍未找到所需信息，则很可能会离开。因此，三层目录结构也是需要经验的。为此，我们需要做以下几个方面

　　控制主页链接的数量：网站主页权重最高。如果首页链接太少并且没有“桥”，则“蜘蛛”将无法继续爬到内页，这将直接影响网站 收录的数量。但是，首页链接不应过多。一旦链接太多，就没有实质性链接，这很容易影响用户体验并降低网站主页的权重，收录的效果也不佳。

　　平面目录层次结构：尝试使“蜘蛛”只需跳转3次即可到达网站中的任何内页。

　　导航优化：导航应尽可能使用文本，也可以与图片导航一起使用，但是必须对图片代码进行优化，

　　The

　　标记必须添加alt和title属性，以告诉搜索引擎导航至何处，以便即使图片无法正常显示，用户也可以看到提示文本。其次，应将面包屑导航添加到每个网页。从用户体验的角度来看，它可以让用户知道他们的当前位置和整个页面的当前位置网站，帮助用户快速了解网站的组织形式，从而形成更好的位置感，同时提供界面返回到每个页面，方便用户操作。对于“蜘蛛”，可以清楚地了解网站的结构，并添加了许多内部链接以方便抓取并降低跳出率。

　　网站的结构和布局：页面页眉：徽标和主要导航，以及用户信息。主页：左侧的文本，包括面包屑导航和文本。热门文章和相关文章位于右侧，以保留访客并允许访客留下更多住宿。对于“蜘蛛”，这些文章是相关链接，它们可以增强页面的相关性，也可以增强页面的权重。页面底部的版权信息和友好链接。

　　首先放置重要的内容HTML代码：搜索引擎从上到下抓取HTML内容。使用此功能，可以首先读取主代码，并在下面放置不重要的代码（例如广告）。例如，当左右列中的代码保持不变时，只需更改样式并使用float：left;即可。并浮动：正确；随意交换两列在显示器上的位置，以确保重要性。代码是第一个，让采集器首先爬网。同样适用于多列。