## 搜索引擎工作原理是什么 SEOer们要想更好的理解SEO，做好SEO的工作，学习和理解搜索引擎的基本架构和原理，是非常有必要的，下面我来讲一下搜索引擎的一些组成部分。通用的搜索引擎，一般包含了以下一些功能模块： 1. 蜘蛛，即Spider，类似浏览器的程序，专门用来下载web页面 2. 爬虫，即Crawler，用来自动跟踪所有页面中的链接 3. 索引，即Indexer，专门用来分析蜘蛛和爬虫下载下来的web页面 4. 数据库，存储下载的页面信息和处理过的页面信息 5. 结果引擎，从数据库中抽取出搜索结果 6. Web服务器，用来处理用户的搜索交互请求的web服务器 不同的搜索引擎实现，某些地方可能有一定的差别，比如，蜘蛛+爬出+索引的组合功能就是通过一个单一的程序来实现的，它一边下载页面，一边分析出结果，并利用已有的链接来发现新的资源。当然，这些功能都是所有搜索引擎所固有的，所体现的SEO原则都是类似的。 下面对搜索引擎的功能模块进行分别阐述。 * **蜘蛛**。这个功能模块专门用来下载页面，类似浏览器的功能。它们之间的区别在于，浏览器展现给用户的是各种形式的信息，包括文本的信息，图像的信息，视频的信息，等等；而对于蜘蛛来说，并没有一些可视化的组件，而是直接跟基本的html源代码打交道。大家可能都知道，一个标准的web浏览器都是带有html源文件查看的功能的。 * **爬虫**。该功能模块专门用户发现每个页面中的所有链接。它的任务是，通过评估找到的链接，或者已定义的地址，来决定蜘蛛去哪里。爬虫跟踪这些已经找到的链接，并且尝试去发现对于搜索引擎来说不知道的一些文档。 * **索引**。此功能组件负责解析每个页面，然后分析各种页面的元素，例如，文本内容，头部内容，结构化或者自定义过的特色部分，特殊的html标签，等等。 * **数据库**。搜索引擎下载和分析的一些数据，都要进行存储。有些时候，它也叫做搜索引擎的索引。 * **结果引擎**。结果引擎来进行页面的排名工作。它决定着哪些页面是最匹配用户的搜索请求的，并且按照何种有效而合理的次序来显示这些结果。这是根据搜索引擎的排名算法而决定的。它追寻的是这样一种理念，页面排名是有价值的，基于用户兴趣驱动的，所以对于SEO工作者来说这个是最感兴趣的，SEOer们的目标就是如何有效提高所关心的网站的页面排名。 * **Web服务器**。搜索引擎web服务器包含了这样的一个基本的web页面，有一个用于用户输入感兴趣的关键词的文本框，并且当用户提交搜索动作时，将搜索出的结果合理的展示给用户。  ## 百度site出现两个首页快照是什么原因 百度大更新，今早site了一下自己负责的网站，竟然发现其中一个有两个首页的快照，一个快照日期为2012.1.20，一个快照日期为2011.12.15，而且快照中显示的网址是一样的。随即查找原因，有人说是默认后缀设置的问题。点开一看，果然发现日期为2011.12.15的快照网址带后缀index.html。 我们都知道，对于搜索引挚来说，带默认后缀和不带默认后缀的域名，会被区分为两个不同的地址，但是搜索引擎在显示的时候，都是直接显示出了域名。所以，在正常情况下，需要尽量保持url的唯一性，以避免这种情况的发生。 除了上述一种情况外，还会有其他的原因导致两个快照现象的发生么？笔者查询了网上相关资料，发现还有以下几种可能。 1. ** 双IP的影响**。顾名思义，就是说有两个不同的IP同时指向一个网站，这样以来，搜索引挚就会把网站分化成两个快照，当然，也有可能是空间自带两个IP的原因。通过分析域名的绑定情况，搜索引擎可以区分出哪个IP是有网站的。搜岁引擎会给有绑定域名的IP正常显示，给没绑定域名的IP直接显示网址。 2. **404页面设置问题**。部分站长为了方便，总是将404页面直接设置跳转到首页。而对于搜索引擎来说，会认为这是一种刻意优化的行为。这里建议在设置404页面时不要跳转到首页，如果必须这样设置的话那么建议停留5秒钟以上以给与用户和蜘蛛缓冲的时间。 3. **title的修改**。title修改之后可能会显示出两个快照，但是这两个快照中title部分是不一样的。这点也很好区分出来。 由于百度算法的不完善，给我们带来了很多关于网站建设的问题。找寻尝试不同的方法然后去解决出现的问题，这也是SEO的一种乐趣所在吧。