当前位置: 主页 > SEO资讯 >

SEO搜索引擎爬虫的工作原理是怎样的?

发布时间:2020-12-14 16:55
作者:admin

    作为一名合格的seoER,我们接触的是网站,接触的是搜索引擎,既然如此,那么我们就必须对搜索引擎有一定的了解,只有这样才能做出效果。
 
    SEO搜索引擎爬虫的工作原理是怎样的?
 
    1、种子URL
 
    所谓种子URL所指的就是最开始选定的URL地址,大多数情况下,网站的首页、频道页等丰富性内容更多的页面会被作为种子URL;
 
    然后将这些种子URL放入到待抓取的URL列表中;
 
    2、待抓取URL列表
 
    爬虫从待抓取的URL列表中逐个进行读取,读取URL的过程中,会将URL通过DNS解析,把这个URL地址转换成网站服务器的IP地址+相对路径的方式;
 
    3、网页下载器
 
    接下来把这个地址交给网页下载器(所谓网页下载器,顾名思义就是负责下载网页内容的一个模块;
 
    4、源代码
 
    对于下载到本地的网页,也就是我们网页的源代码,一方面要将这个网页存储到网页库中,另一方面会从下载网页中再次提取URL地址。
 
    5、抽取URL
 
    新提取出来的URL地址会先在已抓取的URL列表中进行比对,检查一下这个网页是不是被抓取了。
 
    6、新URL存入待抓取队列
 
    如果网页没有被抓取,就将新的URL地址放入到待抓取的URL列表的末尾,等待被抓取。
 
    就这样循环的工作着,直到待抓取队列为空的时候,爬虫就算完成了抓取的全过程。
 
    然后以下载的网页,就都会进入到一定的分析中,分析后进行索引,我们就能看到收录结果了。
 
    对于真正的爬虫来说,先抓哪些页面、后抓哪些页面,以及不抓哪些页面等等都是有一定的策略的,这里讲述的是一个比较通过、普遍的爬虫抓取流程,身为SEO的我们,知道这些足以。