近來一直在忙著做研討網站優化，忽來興趣便粗略的研討了下SE的原理，看完此文，對SEOer來說肯定收獲不小，更加理解搜索引擎網站機制以及原理，能力更好的取得名次。

　　搜索引擎網站需求解決的技術問題總的分為蛛蛛手續+分類樹立引得+詞庫+排序算法因素+數值庫引得和優化+數值庫結構

　　一.蛛蛛。到現在為止看來，蛛蛛可以用C還是PHP來成功實現。百度的蛛蛛多半是C做的，C一樣可以支持多個數值庫的連署接口，況且C的運行速率比PHP高，C也更能扼制底層。C固然這樣好，我仍然想用PHP做。時間上務必更多的節省出來，不可以再去學C。假如往後需求高速率要用C，再用C做。數值庫可以未變，MYSQL可以和C連署。PHP有長處也有欠缺，做蛛蛛，問題應當半大。最大的問題是可能速度很慢。抓取網頁，可能顯露出來的問題是，抓取順著次序，抓取假如不了功或超時等問題該怎麼樣紀錄，下次又啥子時刻更新抓取。搜索引擎網站的數值庫最著手是新的，沒有不論什麼網址的，需求數量多參加網址。這處可以用for循環語句，依照英書契母半自動循環。當然，網站不但有英文，還有-和數碼，這些個只強手工輸入了。假如仍然循環抓取，估計有眾多都要沒有著落。抓到的代碼需求剖析編碼類型是utf-8仍然gb2312.我的搜索引擎網站只想抓簡體漢字。假如抓取超時，則記錄，下次約略十天在這以後再抓取，假如蟬聯超時三次，將T出數值庫。

　　二.引得的樹立是個很棘手的問題。百度和谷歌可以用自個兒的服務器群樹立散布式的服務器。我可沒那末多服務器。所以我想換個辦法。樹立靜態頁面。之前我纔曉得，在百度和谷歌輸入一個比較不常見的的詞，會消耗的錢0.2秒左右的時間，普通的常見詞和詞組只消0.1秒。況且，第二次重復輸入一個詞所需求的查問時間要少得多。這個多半就是引得的影響。如果引得是放內存裡，讀取速度將是十分OK的。我只有一臺服務器，就算只放常見的5萬個查問詞和詞組的引得進去，估計也有些累。一個頁面至少有20K，5萬個頁面就是20K*50=1G。這還只是5萬個詞的第1個頁面。假如用戶要翻頁查問呢，內存肯定不夠。如果只放第1頁進內存，用戶翻頁查問，速度將沒有辦法解決。所以我准備全靜態。把5萬個詞和詞組的查問摹擬一次，而後生成靜態頁面。全部詞的第1頁放內存，後面的頁面放硬盤裡。假如能把頁面放內存，這個問題就已經解決了。

　　三.詞庫。中文千務必，常用的中文也至少三千個。組成的詞和詞組常用的估計有2萬。這個詞庫來怎麼添加進去?用啥子款式儲存安放?CSV文件仍然數值庫仍然文本文件?之前我想過把金山詞霸的詞庫文件找到，設法直接復制過來，此辦法到現在為止還沒成功

　　四.全部的影響排序的算法，應當是放一個表裡。而後分固定算法，就是網站本身的因素，還有變化算法，就是用戶輸入的詞和詞組或由於時間季候等不一樣而變動的因素。固定算法就放一個表裡，對每個網站算出總分。變化算法的一小批是之前已經萌生，一小批是用戶輸入在這以後纔算出。

　　五.數值庫的引得到現在為止還沒有美好的解決方法。一個表現引得肯定不可以非常多，多了會影響速度。

　　六.數值庫的結構。這個很關鍵。估計要在網站前臺界面出來之前就得先把數值庫結構定下來。還要為往後的昇班留下接口，譬如算法因素要增加，還是為了優化查問語句，要變化字段等等。開始階段的seo結構就是這樣。1-3個表儲存安放網站信息。第1個字段是自增的主鍵，第二個字段是網站首頁地址，順次排下去是網站域名注冊時間，收錄時間，上次快照時間，收錄頁面總額，首頁字節數，域身份地位類(com/cn/org/net/gov/edu)，逆向鏈接總額，網站分類(這個可以是1-10個，門戶站可以擴張到30個)等