搜索引擎基础（Search Engine Basics）(二)

什么是搜索引擎

      现在已经知道了什么是搜索引擎。在文本框输入一个词或短语，按下搜索。马上就出现了成千上万的搜索结果，就可以找到需要的结果了。但是，搜索引擎准确的定义又是什么？

      这有点复杂，在搜索引擎的后端，是一些用来收集网页信息的应用程序。这些信息包含了要搜索的词或短语。这些信息的索引存储在数据库中。 

      在前端，就是一个用来输入词或短语的框框。当按下搜索，根据算法来检索存储在数据库中相关网页的信息。

      我们把收集网页信息的叫做爬虫（crawler），蜘蛛（spider）,机器人（robot），爬虫遍历每个在WEB上的URL，以及收集在每个WEB页面的关键词和短语。现在全球的网站数已经超过一亿，并且每个月增长的速度为150万。想象你的大脑，当你想知道什么事情，开始都会想些词组或短语。

剖析搜索引擎

      到目前为止，我们对搜索引擎有一个大概的印象了。但是还有更深层次的需要我们理解。实际上，搜索引擎分为许多部分。很遗憾的是，很难找到能说明搜索引擎各个部分的组成。那些信息对搜索引擎优化非常有用（SEO），     

• 查询接口

        查询接口是大部分用户所熟悉的。基本上都是看到这个知道搜索引擎的。查询接口就是用户可以输入词或短语的地方。 往往很简单，就是一个网页，上面有一个输入框，在加上一个搜索按钮。现代的搜索引擎都添加了用户定制化的功能，用户可以定制他们所需要的信息，如新闻等等。详情见www.yahoo.com

        更多的选择是GOOGLE。用户可以安装他们的TOOLBAR。上面有许多小功能可以选用。

• 爬虫，蜘蛛，机器人

         查询接口是唯一用户可以看见的部分。其他的部分都隐藏在后台了。并不是意味着不重要。相反的是，那都是搜索引擎最重要的部分。如果经常上网的话，肯定都能听过一点关于爬虫，蜘蛛或机器人。他们都是遍历WEB来收集网站信息的。这些信息通过URL整理存储在数据库中了。然后，当用户搜索这些信息时，信息就会从数据库中读取，呈现在用户面前。

• 数据库 

       所有搜索引擎都是连接数据库的，每个信息都是指向URL的。信息的排列分为不同的方法，每个搜索引擎公司都有自己的一套算法来排列数据。

• 搜索算法

        这一部分都是搜索引擎的核心了。它就是建立其他部分的一个基础。那就是搜索引擎在算法上是怎样工作的，或者也可以说用户查找数据的方法。

        其实用通俗的话来说，搜索算法就是个提出问题，并解决问题的方法。如输入词短语带来了问题，然后就去解决这个问题，也就是找到相关词短语的信息URL。

        我们把搜索算法进行分类了，不同的搜索引擎的算法都是各不相同。基本的搜索算法如下：

        对算法不懂得可以参考如下信息：http://en.wikipedia.org/wiki/Search_algorithm#Uninformed_search

        1.List Search：List Search算法就是通过指定的数据来查找键值。 被查询的数据是列表形式的。查询结果的数据列表是个单独的元素，也就是说，这是非常消耗时间，并且搜索的结果比较少。

        2.Tree Search: 先想象树的形态，查看从树根到树叶，再从树叶到树根。这就是tree的算法。查找数据集从宽阔的部分到大部分细节的部分。或者从细节部分到宽阔的部分。数据集就像tree一样。一个单独的数据能关联其他分的数据。这个就好像是web的建立一样。虽然它不是web搜索中唯一成功的算法，但是它是相当有用的。

        3.Sql Search:tree search 一个缺点就是，它的搜索行为是层级结构的。也就是说，通过数据的排名，从一点找到另一点。SQL search就不是层级搜索。也就意味着，能从任何数据的子集中查找到所需要的数据。

        4.Informed Search:Informed Search算法是在特定的类似树的数据针对一个特定的问题查找特定的答案。先不管名字的意思，它不太适合web搜索，一般都用来特定的查询来查找特定的结果。（带有提示性的搜索）

        5.Adversarial Search:这个搜索算法针对一个问题，查找到所有可能的解决方案，一般都用于游戏的算法中，这个算法很难用于web搜索中，因为用这个算法查找一个词或短语的搜索结果基本都是无穷的了。

        6.Constraint Satisfaction Serach:这个算法非常有用，通过一系列约束和不同方式的查找，找到所希望的结果。

        以上就是用在搜索引擎上一小部分的搜索算法，基本都是很多种算法一起使用，或者自己创建一些搜索算法。关键的是了解一点搜索引擎的机制可以提高搜索结果的质量。当你知道了这些，可以知道搜索的最佳方法。