分詞是很多做SEO的人常聽到的概念，為了讓大家在這個方面不會有疑惑，現(xiàn)在要來講一下分詞以及索引庫。這也是更深入的了解搜索引擎的開始。

搜索引擎每天都是在處理一個基本的需求：用戶搜索一個關(guān)鍵詞，搜索引擎馬上找到相關(guān)的網(wǎng)頁給用戶。這個過程要怎么實現(xiàn)呢？下面就分步來了解這個過程。

首先搜索引擎要盡可能多的把互聯(lián)網(wǎng)上的網(wǎng)頁搜集下來，這樣能提供大量的網(wǎng)頁給用戶查詢。這一部分由爬蟲來解決，順著互聯(lián)網(wǎng)上的鏈接一個個往下抓取。最后就有了一堆記錄著網(wǎng)頁各種信息的資料庫。目前的現(xiàn)狀，最后能使這個資料庫里有大概100多億個網(wǎng)頁。資料庫里記錄了這些網(wǎng)頁的URL，整個網(wǎng)頁的HTML代碼，網(wǎng)頁標題等等信息。

然后，搜索引擎拿到用戶輸入的這個關(guān)鍵詞后，要從這個資料庫里把相關(guān)的網(wǎng)頁找出來給用戶。這里就碰到好幾個問題了：

1，要怎么快速的從上100億個網(wǎng)頁里找出匹配的網(wǎng)頁的呢？

要知道這是從上百億的網(wǎng)頁里找符合這個關(guān)鍵詞內(nèi)容的網(wǎng)頁，如果像用word里那種用ctrl + F 輪詢的查找方式的話，即使用超級計算機，也不知道要消耗多少時間。但是現(xiàn)在的搜索引擎，在幾分之一秒里就實現(xiàn)了。所以一定是做了一些處理才實現(xiàn)的。

解決辦法也倒簡單，就是建立一份索引庫。就像我們查《新華字典》一樣，我們不會翻遍《新華字典》的每一頁來查那個字在哪頁，而是先去索引表那里找這個字，拿到頁碼后，直接翻到那頁就可以了。搜索引擎也會為上百億的網(wǎng)頁建立一個索引庫，用戶查詢信息的時候，是先到搜索引庫里查一下要找的信息在哪些網(wǎng)頁，然后就引導你去那些網(wǎng)頁的。

如下圖：

索引庫

2，索引庫里用什么樣的分類方式？

我們知道，《新華字典》的索引表是用字母列表或者偏旁部首的分類方式的。那么搜索引擎的索引庫里是怎么分類的？是不是也可以用字母列表的方式？

搜索引擎如果以字母列表的方式排列索引庫，那么平均每個字母下要查詢的網(wǎng)頁數(shù)量是 100億÷26＝3.85億 ，也還是一個很大的數(shù)字。而且搜索引擎上，今天是100億個網(wǎng)頁，過不了多久就是300億個網(wǎng)頁了。

最后，終于找到一個解決辦法：索引庫里用詞語來分類。

因為盡管互聯(lián)網(wǎng)上的網(wǎng)頁是不斷激增的，但是每一種語言里，詞語的數(shù)量都是相對固定的。比如英語就是一百多萬個單詞，100億 ÷ 1百萬 = 1 萬；漢語是8萬多個詞語，100億÷8萬=12萬5千。都是計算機很容易處理得過來的。

用詞語來分類還有一個好處，就是可以匹配用戶查詢的那個詞語。本來用戶就是要查這個詞語的，那我就按這個詞語去分類就是。

所以，搜索引擎的索引庫，最后就是這個樣子的：

標簽： SEO 搜索引擎 HTML代碼 

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。