百度谷歌等大型网站收录页面提交入口地址

　　搜索引擎(→搜索引擎)

　　搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息， 在对信息进行组织和处理后， 为用户提供检索服务， 将用户检索相关的信息展示给用户的系统。 搜索引擎包括全文索引、目录索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、门户搜索引擎与免费链接列表等。 百度和谷歌等是搜索引擎的代表。

　　工作原理

　　第一步：爬行

　　搜索引擎是通过一种特定规律的软件跟踪网页的链接， 从一个链接爬到另外一个链接， 像蜘蛛在蜘蛛网上爬行一样， 所以被称为“蜘蛛”也被称为“机器人”。 (→搜索引擎蜘蛛)的爬行是被输入了一定的规则的， 它需要遵从一些命令或文件的内容。

　　第二步：抓取存储

　　搜索引擎是通过蜘蛛跟踪链接爬行到网页， 并将爬行的数据存入原始页面数据库。 其中的页面数据与用户浏览器得到的HTML是完全一样的。 搜索引擎蜘蛛在抓取页面时， 也做一定的重复内容检测， 一旦遇到权重很低的网站上有大量抄袭、采集或者复制的内容， 很可能就不再爬行。

　　第三步：预处理

　　搜索引擎将蜘蛛抓取回来的页面， 进行各种步骤的预处理。

　　⒈提取文字

　　⒉中文分词

　　⒊去停止词

　　⒋消除噪音(搜索引擎需要识别并消除这些噪声， 比如版权声明文字、导航条、广告等……)

　　5.正向索引

　　6.倒排索引

　　7.链接关系计算

　　8.特殊文件处理

　　除了HTML 文件外， 搜索引擎通常还能抓取和索引以文字为基础的多种文件类型， 如 PDF、Word、WPS、XLS、PPT、TXT 文件等。 我们在搜索结果中也经常会看到这些文件类型。 但搜索引擎还不能处理图片、视频、Flash 这类非文字内容， 也不能执行脚本和程序。

　　第四步：排名

　　用户在搜索框输入关键词后， 排名程序调用索引库数据， 计算排名显示给用户， 排名过程与用户直接互动的。 但是， 由于搜索引擎的数据量庞大， 虽然能达到每日都有小的更新， 但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。

……