百度搜索引擎及工作原理

作为一名合格的seo工程师,一定会去了解搜索引擎的工作原理,对于百度和谷歌及其它引擎的原理都大同小异,只是其中有些细枝沫叶的地方不同,比如分词技术等,因为在国内搜索一般都是百度，所以今天就来聊聊百度搜索引擎的工作原理。
1.抓取  搜索引擎蜘蛛又叫爬虫或机器人，是一套信息抓取的程序，百度蜘蛛是通过网络上链接来爬取、搜集网页上的内容信息。分为深度抓取和广度抓取，怎么让蜘蛛来抓取呢？一般有三种途径：外链、主动提交链接、蜘蛛自己来。我们可以通过服务器日志及百度站长平台抓取频率来判断蜘蛛是否来抓取网页了。在抓取的过程当中影响蜘蛛抓取的因素有路径（过长、中文）以及服务器打开速度。
2、过滤：通过过滤系统将一些低质量的垃圾内容过滤掉比如说复制来的，采集来的，主题内容不相关的无价值内容，不够丰富的内容（内容是否为高质量、稀缺性内容）通通过滤掉。另外，对于一些无法识别的：js、没有添加alt属性的图片、视频上下方没有加加文字说明的、flash、iframe框架结构、登录页面都会过滤掉。
3、收录：将通过过滤模块的页面储存在索引库里，我们称之为收录.怎么查询呢？直接在搜索框内输入网址即可查询是否被收录了，查询整个网站收录量用到site指令：site+域名收录了并不一定有排名，它是网页参与排名的前提条件并非充分条件。只有网站单个页面权重提升了整个网站权重才会更高更强大。搜索引擎对网站的信任度非常重要，是一个长期积累过程，最终可以达到一个秒收的程度。
4、排序：通过百度算法系统进行评分，来计算页面的综合得分情况进行排序，最后展现在搜索引擎的搜索结果页中。因此，我们必须研究搜索引擎排名机制和影响页面排名的因素有哪些。
另外，在网站优化中常常会出现不补收录的情况，这也常常是个令新手头疼而沉得无从下手问题，那么网站不被收录的原因有哪些呢？
1、是否提交链接通知蜘蛛来或对蜘蛛有没有进行封禁；
2、网站页面内容质量较低；
3、处于排名周期（观察期）；
4、网页内容是否能够被蜘蛛识；如不能识别的话不能补收录。