AV无码AV在线A∨天堂毛片_女S丝袜调教女视频丨ⅤK_國產日韩視頻在線觀看_国产又粗又黄又爽的大片软件_吧唧吧唧吧唧一口一口吃掉了_欧美日韩精品专区国产_热播免费电影推荐_日本一区中文字幕最新在线_野战无码精品_国内自愉自愉视频

關(guān)注博盈官方微信公眾號

掃描二維碼關(guān)注博盈官方微信公眾號
立享網(wǎng)站建設(shè)優(yōu)惠

確定

     http://1922288.cn/ 

網(wǎng)絡(luò)學(xué)堂

當(dāng)前位置:首頁 > 網(wǎng)絡(luò)學(xué)堂 > 網(wǎng)站推廣知識

龍華網(wǎng)站建設(shè)公司:網(wǎng)絡(luò)推廣中搜索引擎如何提取網(wǎng)站內(nèi)容

信息錄入:深圳博盈網(wǎng)絡(luò)技術(shù)        錄入時(shí)間:2011-02-09        瀏覽次數(shù):3137
搜索引擎建立網(wǎng)頁索引,處理的對象是文本文件。對于網(wǎng)絡(luò)蜘蛛來說,抓取下來網(wǎng)頁包括各種格式,包括html、圖片、doc、pdf、多媒體、動(dòng)態(tài)網(wǎng)頁及其它格式等。這些文件抓取下來后,需要把這些文件中的文本信息提取出來。網(wǎng)絡(luò)營銷培訓(xùn)指出:要準(zhǔn)確提取這些文檔信息,一方面對搜索引擎的搜索準(zhǔn)確性有重要作用,另一方面對于網(wǎng)絡(luò)蜘蛛正確跟蹤其它鏈接有一定影響。
對于doc、pdf等文檔,這種由專業(yè)廠商提供的軟件生成的文檔,廠商都會(huì)提供相應(yīng)的文本提取接口。網(wǎng)絡(luò)蜘蛛只需要調(diào)用這些插件的接口,就可以輕松的提取文檔中的文本信息和文件其它相關(guān)的信息。
HTML等文檔不一樣,HTML有一套自己的語法,通過不同的命令標(biāo)識符來表示不同的字體、顏色、位置等版式,如:、等,提取文本信息時(shí)需要把這些標(biāo)識符都過濾掉。過濾標(biāo)識符并非難事,因?yàn)檫@些標(biāo)識符都有一定的規(guī)則,只要按照不同的標(biāo)識符取得相應(yīng)的信息即可。但在識別這些信息的時(shí)候,需要同步記錄許多版式信息,例如文字的字體大小、是否是標(biāo)題、是否是加粗顯示、是否是頁面的關(guān)鍵詞等,這些信息有助于計(jì)算單詞在網(wǎng)頁中的重要程度。同時(shí),對于HTML網(wǎng)頁來說,除了標(biāo)題和正文以外,會(huì)有許多廣告鏈接以及公共的頻道鏈接,這些鏈接和文本正文一點(diǎn)關(guān)系也沒有,在提取網(wǎng)頁內(nèi)容的時(shí)候,也需要過濾這些無用的鏈接。例如某個(gè)網(wǎng)站有“產(chǎn)品介紹”頻道,因?yàn)閷?dǎo)航條在網(wǎng)站內(nèi)每個(gè)網(wǎng)頁都有,若不過濾導(dǎo)航條鏈接,在搜索“產(chǎn)品介紹”的時(shí)候,則網(wǎng)站內(nèi)每個(gè)網(wǎng)頁都會(huì)搜索到,無疑會(huì)帶來大量垃圾信息。過濾這些無效鏈接需要統(tǒng)計(jì)大量的網(wǎng)頁結(jié)構(gòu)規(guī)律,抽取一些共性,統(tǒng)一過濾;對于一些重要而結(jié)果特殊的網(wǎng)站,還需要個(gè)別處理。這就需要網(wǎng)絡(luò)蜘蛛的設(shè)計(jì)有一定的擴(kuò)展性。
對于多媒體、圖片等文件,一般是通過鏈接的錨文本(即,鏈接文本)和相關(guān)的文件注釋來判斷這些文件的內(nèi)容。例如有一個(gè)鏈接文字為“張曼玉照片”,其鏈接指向一張bmp格式的圖片,那么網(wǎng)絡(luò)蜘蛛就知道這張圖片的內(nèi)容是“張曼玉的照片”。這樣,在搜索“張曼玉”和“照片”的時(shí)候都能讓搜索引擎找到這張圖片。另外,許多多媒體文件中有文件屬性,考慮這些屬性也可以更好的了解文件的內(nèi)容。
動(dòng)態(tài)網(wǎng)頁一直是網(wǎng)絡(luò)蜘蛛面臨的難題。所謂動(dòng)態(tài)網(wǎng)頁,是相對于靜態(tài)網(wǎng)頁而言,是由程序自動(dòng)生成的頁面,這樣的好處是可以快速統(tǒng)一更改網(wǎng)頁風(fēng)格,也可以減少網(wǎng)頁所占服務(wù)器的空間,但同樣給網(wǎng)絡(luò)蜘蛛的抓取帶來一些麻煩。由于開發(fā)語言不斷的增多,動(dòng)態(tài)網(wǎng)頁的類型也越來越多,如:asp、jsp、php等。這些類型的網(wǎng)頁對于網(wǎng)絡(luò)蜘蛛來說,可能還稍微容易一些。網(wǎng)絡(luò)蜘蛛比較難于處理的是一些腳本語言(如VBScript和javascript)生成的網(wǎng)頁,如果要完善的處理好這些網(wǎng)頁,網(wǎng)絡(luò)蜘蛛需要有自己的腳本解釋程序。對于許多數(shù)據(jù)是放在數(shù)據(jù)庫的網(wǎng)站,需要通過本網(wǎng)站的數(shù)據(jù)庫搜索才能獲得信息,這些給網(wǎng)絡(luò)蜘蛛的抓取帶來很大的困難。對于這類網(wǎng)站,如果網(wǎng)站設(shè)計(jì)者希望這些數(shù)據(jù)能被搜索引擎搜索,則需要提供一種可以遍歷整個(gè)數(shù)據(jù)庫內(nèi)容的方法。
對于網(wǎng)頁內(nèi)容的提取,一直是網(wǎng)絡(luò)蜘蛛中重要的技術(shù)。整個(gè)系統(tǒng)一般采用插件的形式,通過一個(gè)插件管理服務(wù)程序,遇到不同格式的網(wǎng)頁采用不同的插件處理。這種方式的好處在于擴(kuò)充性好,以后每發(fā)現(xiàn)一種新的類型,就可以把其處理方式做成一個(gè)插件補(bǔ)充到插件管理服務(wù)程序之中。

聯(lián)系我們

  • 0755-29008907      15989449358   龍先生
  • 24小時(shí)熱線:15989449358   龍先生
  • boryin@boryin.com sales@boryin.com
  •  深圳市龍華新區(qū)龍華街道辦山咀頭綜合辦公大樓9樓915室 (龍華街道辦、華潤萬家,佳華商場、友誼書城等旁)
  •             
  • 尊敬的客戶,如果您有任何疑問或者問題,請聯(lián)系我們的客服在線或撥打我們的24小時(shí)熱線或者有客戶心聲欄目留言,謝謝!
  • 客戶心聲

    * * * *

    博盈網(wǎng)絡(luò)


    關(guān)注微信博盈網(wǎng)絡(luò)公眾
    號獲最新網(wǎng)絡(luò)營銷資訊
    深圳博盈網(wǎng)絡(luò)為深圳寶安、龍華、觀瀾、大浪、民治、石巖、坂田、松崗、沙井、福永、西鄉(xiāng)、平湖、龍崗、福田、南山、羅湖、香港、東莞長安、虎門等地區(qū)提供專業(yè)的企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)、大型網(wǎng)站建設(shè)、行業(yè)網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)、改版網(wǎng)站、注冊域名、推廣網(wǎng)站等相關(guān)互聯(lián)網(wǎng)服務(wù),多年來在深圳龍華網(wǎng)站建設(shè)、觀瀾網(wǎng)站建設(shè),坂田網(wǎng)站建設(shè),石巖網(wǎng)站建站,寶安網(wǎng)站建設(shè)區(qū)域打下堅(jiān)實(shí)的基礎(chǔ),博盈網(wǎng)絡(luò)真誠希望能與您合作!
  • 博盈網(wǎng)站報(bào)價(jià)    84298198
  • 博盈客服在線    84254298
  • 博盈技術(shù)咨詢    306023699
  • 感謝大家對我們的支持與厚愛,為了能及時(shí)的回復(fù),請?jiān)?:00-18:00點(diǎn)咨詢在線QQ