搜索引擎蜘蛛是按照什么样的策略进行的爬取呢

一抙善意 · 发表于 2013-07-27 10:20:08

　　做站有一段时间了，在这段时间里，对搜索引擎有了新的认识－－首先立场不同了，自然认识也不同了。以前是作为搜索引擎的使用者，只是关心搜索引擎能不能正确的找到我需要的资料。现在立场不同了，成了搜索引擎的上游内容提供者，可以近距离观察搜索引擎的工作情况，对搜索引擎有了深入的认识。特别是本站下定决心更换新域名前后，对搜索引擎的工作特别关心，每天都注意观察三大搜索引擎的收录页面数，有了一些体会，下面给大家随便谈一下，不当之处，请高手指正：

　　搜引得擎蜘蛛是按照啥子样的策略施行的爬取呢

　　那么到底搜引得擎蜘蛛是按照啥子样的策略施行的爬取呢？以下我们来施行更深化的剖析吧。第一、宽度优化遍历策略

　　宽度优化遍历是一种十分简单直观且历史很悠久的遍历办法，在搜引得擎爬行动物一出现就起始采用了。新提出的抓取策略往往会将这种办法作为比较基准，但应当注意到的是，这种策略也是一种相当悍勇的办法，众多新办法实效果不见昨比宽度优化遍历策略好，所以至今这种办法也是众多实际爬行动物系统优先采用的爬取策略。网页爬取顺序基本是按照网页的关紧性排序的。之所以如此，有研讨成员认为，假如某个网页包含众多入链，那么更可能被宽度优化遍历策略早早爬到，而入链这个数从侧面体现了网页的关紧性，即其实宽度优化遍历策略隐含了一点网页优化级如果。第二、非纯粹pagerank策略

　　PageRank是一种闻名的链接剖析算法，可以用来权衡网页的关紧性。很洒脱地，可以想到用PageRank的思想来对URL优化级施行排序。不过这搭有个问题，PageRank是个全局性算法，也就是说当所有网页下载完成后，其计算结果才是靠得住的，而爬行动物的目标就是去下载网页，在运行过程中只能看见一局部页面，所以在爬取阶段的网页是无法得到靠得住的PageRank得分的。对于已经下载的网页，加上待爬取的URL队列中的一URL一起，形成网页聚齐，在此聚齐内施行PageRank计算，计算完成然后，将待爬取URL队列里的网页按照按照PageRank得分由高低排序，形成的序列就是爬行动物接下来应当依次爬取的URL列表。这也是为何称之为“非纯粹PageRank”的端由，第三、OPIC策略( Online Page Importance Computation)

　　OPIC的字面含义是“在线页面关紧性计算”，可以将其看做是一种改进的PageRank算法。在算法起始之前，每个互联网页面都赋予相同的现金，每当下载了某个页面P后，P就将自个儿拥有的现金均分给页面中包含的链接页面，氢自个儿的现金清空。而对于待爬取URL队列中的网页，则依据其手边拥有的现金金额若干排序，优先下载现金最充裕的网页，OPIC从大的框架上与PageRank思路基本相符，差别在于：PageRank每每需要迭代计算，而OPIC策略不必迭代过程。所以计算速度远远快与PageRank，适应实时计算使役。同时，PageRank，在计算时，存在向无链接关系网页的长程跳转过程，而OPIC没有这一计算因数。实验结果表明，OPIC是较好的关紧性权衡策略，效果略优于宽度优化遍历策略。第四、大站优化策略

　　大部优化策略思路笔直接：以网站为单位来选题网页关紧性，对于待爬取URL队列中的网页依据所属网站归类，假如哪个网站等待下载的页面最多，则优化先下载这些链接，实则质思想倾向于优先下载大型网站。因为大型网站往往包含更多的页面。鉴于大型网站往往是闻名企业的内容，其网页质量普通较高，所以这个思路虽然简单，不过有一定依据。实验表明这个算法效果也要略优先于宽度优先遍历策略。第五、网页更新策略

　　互联网的动态是其显著特征，随时都有新出现的页面，页面的内容被更改还是压根儿存在的页面删除。对于爬行动物来说，并非将网页抓取到本地就算完成任务，也要体现出互联网这种动态性。本地下载的网页可被看做是互联网页的镜像，爬行动物要尽可能保障其相符性。可以如果一种情况：某个网页已被删除还是内容做出重大变动，而搜引得擎对此惘然无知，毅然按其旧有内容排序，将其作为搜索结果提提供用记，其用户体验度之糟糕不言而喻。所以对于已经爬取的网页，爬行动物还要负责保持其内容和互联网页面内容的同步，这取决于爬行动物所彩用的网页更新策略。

　　最后唠叨一句，真正懂seo的人，其实待遇还是不错的。我本人有体会，众多seo爱好者、学习者，坚持吧，让你的资源成为你的资本，什么问题都将不是问题。本文由高考试题库 http://www.yingzhanfuxi.com/?cat=6收集整理欢迎转载请注明，谢谢合作

csyp2017 · 发表于 2026-08-09 17:15:14

这个思路很新颖，打开了新世界的大门，谢谢分享

柴柴 · 发表于 2026-08-18 21:02:47

蹲了这么久，终于看到有价值的讨论，支持一下！

5566sl · 发表于 2026-08-22 04:17:41

楼主辛苦了，整理这么多内容，必须点赞收藏

抓狂的兔子 · 发表于 2026-08-22 16:02:10

分析得很透彻，很多细节都说到点子上了～

悄然离去/rose · 发表于 2026-08-24 03:13:19

说得很实在，没有夸大其词，这种真实分享太难得了

		自动登录	找回密码
密码			加入怎通

[其他] 搜索引擎蜘蛛是按照什么样的策略进行的爬取呢