可以在搜索中突出显示网页上的多个单词_搜索引擎工作原理是怎样的？

搜索引擎的工作过程大体可以分成三阶段：

一，搜索引擎蜘蛛通过跟踪链接，在互联网上爬行和抓取网页信息，并存入原始网页数据库；

二，索引程序对原始网页数据库中的信息进行文字提取、中文分词，并建立索引库，以备排名程序随时调用；

三，排名程序根据用户输入的关键词，快速调取索引库数据，计算相关性，然后对其进行排序，并按照一定格式生成搜索结果页面，返回给用户。

图片源自网络

下面是柒点传媒对其做的进一步分析：

1.网页抓取

搜索引擎蜘蛛每遇到一个新文档，都要搜索其页面的链接网页。蜘蛛访问web页面的过程，其实就是类似于普通用户使用浏览器访问其页面。先向页面提出访问请求，服务器接受其访问请求并返回HTML代码后，把获取的HTML代码存入原始页面数据库。

为了提高效率，搜索引擎会使用多个蜘蛛分布爬行。而且，搜索引擎的服务器遍布世界各地，每台服务器都会派出多只蜘蛛同时去抓取网页。如果这些搜索引擎蜘蛛重复访问同一个页面，显然会降低工作效率。那么，蜘蛛在访问页面的时候，到底是怎么做到一个页面只访问一次的呢？做到信息共享就可以了。

在抓取网页的时候，搜索引擎会建立两张不同的表，一张表记录已经访问过的网站，一张表记录没有访问过的网站。当蜘蛛抓取某个外部链接页面URL的时候，需要把该网站的URL下载回来分析，当蜘蛛全部分析完这个URL后，就会将这个URL存入相应的表中。

如果这时，有另外的蜘蛛从其他的网站或页面又发现了这个URL，就会和已访问列表进行对照，如果已经访问过了，蜘蛛就会自动丢弃该URL，不再访问。

2.建立索引

面对海量的原始网页数据库，搜索引擎必须对蜘蛛抓取的原始web页面进行预处理，才能让用户在搜索时快速便捷的找到搜索结果。

网页预处理最主要的过程，就是为网页建立全文索引，然后开始分析网页，最后建立倒排文件（也称反向索引）。经过搜索引擎的分析处理，web网页就不再是原始网页，而是能反映页面主题内容的、以词为单位的文档。

Web页面分析过程如下：

①通常要先判断网页类型；

②衡量其重要程度与丰富程度；

③对超链接进行分析；

④分词；

⑤删除重复网页。

数据索引中，结构最复杂的就是建立索引库，而索引又分为文档索引和关键词索引。每个网页唯一的docID号是有文档索引分配的，每个wordID出现的次数、位置、大小格式都可以根据docID号在网页中检索出来。最终形成wordID的数据列表。

倒排索引是最简单的，实用的倒排索引还需记载更多的信息。在单词对应的倒排列表中，除了记录文档编号之外，单词频率信息也会被记录进去，便于以后计算查询和文档的相似度。

倒排索引形成过程如下：

①搜索引擎用分词系统将文档自动切分成单词序列；

②对每个单词赋予唯一的单词编号；

③记录包含这个单词的文档。

3.查询服务

当我们在搜索引擎中输入一个关键词，点击“搜索”按钮之后，搜索引擎程序就会开始对搜索词进行分词处理，然后根据情况判断是否需要启动整合搜索，再找出错别字以及拼写错误，还有去掉停止词。

接着，搜索引擎程序会从索引数据库中，找出包含目标关键词的相关网页，最后按格式返回到搜索结果页面。

搜索结果排序是查询服务的核心，它决定了搜索引擎的质量以及用户满意度。实际上，搜索结果排序的因素有很多，但最主要的是网页内容的相关性。影响相关性的主要因素包括如下五个方面：

①关键词常用程度

经过分词后的多个关键词中，越不常用的词对搜索词的意义贡献反而越大。而常用词的贡献反而小，发展到一定极限就是停止词，对页面不产生任何影响。

②词频及密度

通常情况下，搜索词的密度和其在页面中出现的次数成正相关，次数越多，说明密度越大，页面与搜索词关系也就越密切。

③关键词位置及形式

页面关键词出现的格式和位置都被记录在索引库中，而关键词出现在标题标签、黑体、H1等时，则说明页面与关键词相关性高。

④关键词距离

关键词被切分成多个关键词之后，如果还能在页面上连续完整的出现，或是关键词之间距离较近，那就说明其与搜索词相关程度高。

⑤链接分析及页面权重

页面之间的链接和权重关系，也会影响关键词的相关性，其中最重要的是锚文字。页面有越多以搜索词为锚文字的导入链接，说明页面的相关性越强。链接分析的范围还包括链接源页面本身的主题、锚文字周围的文字等。

以上就是《搜索引擎工作原理是怎样的？》的全部内容，感谢阅读，希望对你有帮助！