控錄蜘蛛和控尋機(jī)器人

搜索引擎要知道網(wǎng)上的新生事物，就是派人出去搜集。但是靠人工是不可能完成這個任務(wù)的。所以，搜索引擎的發(fā)明者就設(shè)計了計算機(jī)程序，派它們來執(zhí)行這個任務(wù)。

探測器有多種叫法，也叫crawler(爬行器)、spider(蜘蛛)、robot(機(jī)器人).這些形象的叫法是描繪搜索引擎派出的蜘蛛機(jī)器人爬行在互聯(lián)網(wǎng)上探測新的信息。Google把它的控測器叫做googlebot,百度就叫Baiduspider,MSN叫MSNbot,而Yahoo則稱為Slurp.這個控測器實際上是人們編制的計算機(jī)程序，由它不分晝夜地進(jìn)入訪問各個網(wǎng)站，取回網(wǎng)站內(nèi)容、標(biāo)簽、圖片等，然后依照搜索引擎的算法給它們制定成索引。所以，這可不是“爬行”而是以光速來訪問的。

一個搜索引擎會同時派出許多控測器。這些“機(jī)器人”或者從站主直接呈遞的網(wǎng)站URL去訪問，或者由一個網(wǎng)絡(luò)用戶所裝的搜索引擎工具欄（比如GOOgle工具欄）得知用戶去的網(wǎng)站，或者是從一個網(wǎng)站中指向另一個網(wǎng)站的鏈接過去?？販y器不一定是從網(wǎng)站的首頁進(jìn)入訪問，所以，如果你要探測器訪問你其他的網(wǎng)頁，那么這個進(jìn)入頁就需要和其他網(wǎng)頁相連。達(dá)到這個目的最容易的辦法就是在每一頁都加入指向首頁的鏈接。

但是，探測器對許多網(wǎng)站是不能完整取回信息的，這個大多是由于網(wǎng)站的設(shè)計沒有按照搜索引擎控測器的思路來進(jìn)行優(yōu)化。比如，如果一個網(wǎng)頁比較大，控測器也只能截取網(wǎng)頁的首部，而且只能跟著少量的鏈接走。Google目前能夠吸收100KB的文件，Yahoo會多一點。這個可以通過實驗來檢驗。將一個搜索關(guān)鍵詞放在一個很長的網(wǎng)頁（約160KB）最后部分，然后看Google的緩存（cache）中顯現(xiàn)網(wǎng)頁的大小是多少。如果不出意料，Google的cache說這個網(wǎng)頁只有101KB。很顯然，一部分內(nèi)容沒被Google抓走。

這個現(xiàn)象告訴我們不要將網(wǎng)頁設(shè)計得很長、很大。將大的網(wǎng)頁拆成若干小的網(wǎng)頁具有很多的好處：

1、  使得網(wǎng)頁容易被探測器抓取。

2、  更容易建立合理的網(wǎng)站內(nèi)部鏈接關(guān)系。

3、  每個網(wǎng)頁可以更加集中在重要的關(guān)鍵詞語。

4、  節(jié)省服務(wù)器的帶寬。

5、  方便瀏覽者的閱讀。