百度蜘蛛是如何收录一个网站的

强强庚心

　　百度搜索引擎大致可以分为四个过程，这四个过程是连连相扣的，我们来看看详细过程：

　　1、蜘蛛爬行抓取。

　　2、信息过滤。

　　3、建立网页关键词索引。

　　4、用户搜索输出结果。

　　蜘蛛爬行抓取

　　当百度蜘蛛来到一个页面时，它会跟踪页面上的链接，从这个页面爬行到下一个页面，就好像一个递归过程，这样常年累月，不止疲倦的工作。引擎就会多进程式的来到这篇文章所在的网页抓取信息，如此循坏，没有终结。

　　信息过滤

　　为了避免重复爬行和抓取网址，搜索引擎会有一个记录已爬行和未被爬行的地址库，如果你有一个新网站时，你可以去百度官网提交网站的网址，引擎就会记录它，并把它归类到未爬行的网址，然后蜘蛛就会根据这个表格，从数据库中提取URL，访问并抓取页面。

　　蜘蛛并不会收录所有的页面，它要经过严格检测。当蜘蛛在爬行和抓取一个网页的内容时，会进行一定程度的复制内容检测，如果网页所在的网站权重低，而且大部分文章都是抄袭来的话，蜘蛛就很可能不喜欢你的网站了，不在继续爬行，也就不收录你的网站。

　　建立网页关键词索引

　　当蜘蛛抓取了一个页面之后，首先会对页面文字内容进行分析。通过分词技术，将网页的内容简化到关键词，并把关键词和对应的网址制成表格建立索引。

　　索引又有正向索引和反向索引，正向索引是把网页内容对应的关键词，反向是关键词对应的网页信息。