搜索引擎要知道你的網(wǎng)站內(nèi)容，就需要去搜集資料。在Yahoo的創(chuàng)辦初期，有許多編輯天天泡在網(wǎng)上，訪問新站，然后搜集信息集合整理成序。當(dāng)時的網(wǎng)站沒有現(xiàn)在這么多，所以還能做的過來。而現(xiàn)在的新站的出現(xiàn)數(shù)量，老站的更新都是爆炸式的，靠人工是不可能完成這個任務(wù)的。所以搜索引擎的就設(shè)計了程序，派他們來做這些工作。
探測器有許多種叫法，也叫crawler(爬行器)、spider(蜘蛛)、robot(機(jī)器人)。這些形象的叫法是描繪搜索引擎排除的蜘蛛機(jī)器人爬行在互聯(lián)網(wǎng)上探測新的信息。Google把這種探測器稱為Googlebot，百度叫做Baiduspiderr，MSN叫做,MSNbot，而Yahoo則叫slurp。這個探測器實際上是人們編制的計算機(jī)程序，由它不分晝夜地進(jìn)入訪問網(wǎng)站，摘取網(wǎng)站內(nèi)容、標(biāo)簽、圖片等。然后依照搜索引擎的算法給他們制定索引。所以，這里說一下，它不是“爬行”而是光速訪問的。
一個搜索引擎能夠會同時派遣很多探測器。這些探測器或者從站長直接提交的URL去訪問，或者由一個網(wǎng)絡(luò)用戶所裝的搜索引擎工具欄(如Google工具欄)得知用戶去的網(wǎng)站，或者是從一個網(wǎng)站中指向另一個站的鏈接過去。所以說探測器不一定是從網(wǎng)站的首頁進(jìn)入訪問，為了引來搜索引擎就需要使用一些方法。
但是，探測器對許多的網(wǎng)站是不能完整抓取的，這個大多是由于網(wǎng)站設(shè)計沒有按照搜索引擎探測器的思路來進(jìn)行優(yōu)化。比如說，如果一個網(wǎng)頁比較大，探測器也只能截取網(wǎng)頁的首部，而且只能跟著少量的鏈接走。Google目前能夠吸收100KB的文件，Yahoo相對多一些。這些都可以通過實驗來測試。將一個搜索關(guān)鍵詞放在一個很長的網(wǎng)頁(約150KB)中的尾部。然后看Google的cache說這個網(wǎng)頁只有100KB，很顯然，有一部分沒有抓取到。
這個現(xiàn)象告訴我們網(wǎng)頁的設(shè)計不要過大，過長。將一個較大的網(wǎng)頁分為若干小的頁面有以下幾個好處。
1.可以使網(wǎng)頁容易被探測器抓取。
2.更容易建立合理的站內(nèi)鏈接關(guān)系。
3.每個頁面可以更加集中關(guān)鍵詞的主題。
4.減少服務(wù)器的負(fù)載。
5.對用戶來說，方便閱讀。
133 1343 5212