搜索引擎網站要處置的問題就是，在一個可以接納的時間內回返一個和該用戶查問般配的網頁信息列表，這個列表涵蓋三局部：題目，URL，描寫或提要。
現代的大規模搜索引擎網站普通認為合適而使用三段論的辦公流程，即：網頁尋找收集、預處置、查問服務。
如今我對這三點簡單的論述下：
一、網頁尋找收集
搜索引擎網站是經過爬行動物去尋找收集互聯網中的網頁，放入數值庫，不過這沒可能是用戶提交處理查問的時刻纔去抓取，而是預先就尋找收集好一批網頁，可以把WEB上的網頁聚齊看成是一個有向圖，尋找收集過程從給定開始URL聚齊S著手，沿著這些個網頁中的鏈接，依照先深或先寬某種策略遍歷，不已的從S中移除URL，下載相應的網頁，解析出網頁中的超鏈接URL，看是否已情節訪過，還是有未過訪過的那一些URL參加聚齊S。我們這處可以是定期尋找收集，增量尋找收集，還是是用戶自主提交處理的形式施行爬取。況且對這批網頁施行保護。這種保護，是為了能趁早發覺網頁的新特點標志，尋找收集新的網頁，變更過的網頁，還是已經不存在的網頁。
二、預處置
預處置主要涵蓋四個方面：網站關鍵詞的提出取得、鏡像網頁或過載網頁的消弭、鏈接剖析和網頁關緊程度的計算
1.網站關鍵詞的提出取得
作為預處置階段的一個基本擔任的工作，就是要提出取得出網頁源文件的內部實質意義部再保險括的網站關鍵詞。對於漢字來說，就是依據一個辭典，用一個所說的的切詞軟件，從網頁書契中切掉辭典所裡面含有的詞和詞組來，在那在這以後，一篇網頁主要是由一組詞來代表，p={a,b,c,d}.普通來講，我們會獲得眾多詞，同一個詞有可能在一篇網頁中顯露出來多次。而後我們要去掉停用詞，例如的，在，是這一類的詞和詞組。再加以對這些個詞的詞的出現次數(TF)日文檔頻率(DF)什麼的的計算計數，因此指使出詞和詞組在一篇文檔中的相對關緊性和某種內部實質意義的有關性。
2.鏡像還是過載seo網頁的消弭
在WEB上，存在招數量多的重復信息，這種信息對於搜索引擎網站來說有可能是負面的，由於需求耗費機器時間和帶寬資源，況且無意義的耗費了計算機顯露屏資源，也可以帶來用戶的埋怨，這樣多重復，給我一個就夠了。所以搜索引擎網站對於消弭這些個重復信息也是預處置中一個很關緊的擔任的工作。
3.鏈接剖析
搜索引擎網站除開對內部實質意義施行剖析外，況且最關緊的還需求對鏈接施行剖析，鏈接信息不止給出了網頁之間的關系，並且還對判斷網頁的內部實質意義起到很關緊的效用。網頁中的內裡鏈接和外部鏈接對網站的排序起到達非常大的影響。
4.網頁關緊程度的計算
搜索引擎網站回返給用戶是一個和查問有關的最後結果列表，列表中的條目順著次序是很關緊的問題。因為這個搜索引擎網站務必供給一種計數意義上的排序最後結果給用戶，但並不可以給全部用戶都能供給滿足的最後結果。怎麼樣對網頁權重施行評估，是搜索引擎網站最需求解決的問題，例如GOOGLE的pr算法，那裡面思考的線索就是覺得被援用越多的就是關緊的，和HITS算法等等。這些個算法，有點在預處置階段計算，有點則在查問服務階段施行計算，因此最後形成最優的排序最後結果。
三、查問服務
當從一個S聚齊著手，經過預處置後獲得的就是S的一個子集元素的某種內裡顯露，至少裡面含有幾個方面：原始網頁文檔，URL和題目，編號，所含關緊網站關鍵詞的聚齊(涵蓋顯露出來位置)等其它的一點指標。而系統網站關鍵詞的總體聚齊和編號一塊兒構成了一個倒排文件結構，要得一朝獲得一個網站關鍵詞輸入，就馬上能給出相文檔編號的聚齊輸出。這處主要有三方面的：查問形式和般配，最後結果排序，文檔提要。
1.查問形式和般配
用戶普通查問都是要啥子就輸入啥子，這對於搜索引擎網站來說，是一種依稀的講法，它有可能不曉得你真正想要的是啥子，所以就是期望網頁中裡面含有有該詞還是短語中的詞，也就對用戶查問的詞和詞組或短語施行分詞，形成一個q,他的每一個元素都對應倒排文件中的一個倒排表，即文檔編號的聚齊。因此成功實現了查問日文檔的般配。
2.最後結果排序
要想給用戶供給無上品質的網頁信息，務必對最後結果施行排序，例如GOOGLE的PageRank算法，Kleinberg的HITS算法等，是到現在為止搜索引擎網站給出查問最後結果排序的主要辦法。
3.文檔提要
搜索引擎網站給出的最後結果是一個有序的條目列表，每一個條目都裡面含有題目，URL，提要，那裡面的提要需求從網頁正文中生成，這處可以歸納為兩種辦法，一種是靜態形式，從正文中提出取得中一點書契，如正文開頭的512個字節，還是每段第1句合在一起起來等，但這種有個弊病是有可能與查問的詞和詞組無關。所以第二種形式就是動態提要，依據查問的詞在文檔中的位置，提出取得出四周圍的書契來，顯露時將查問詞標亮。這種形式是到現在為止大部分數搜索引擎網站認為合適而使用的形式，為了保障查問速率，需求在預處置分詞階段記取每個網站關鍵詞在文檔中顯露出來的位置。