蜘蛛爬行：搜索引擎派出“蜘蛛”(網頁抓取程序)進行網頁抓取，爬取網頁時一般采用深度優先、寬度優先或最佳優先策略；抓取建庫：將蜘蛛抓取到的網頁放到原始數據庫中，并丟棄掉不符合抓取規則的網頁；網頁處理：對符合規則的網頁進行預處理，主要包括網頁結構化、分詞、降噪、建立索引等；檢索服務：根據用戶提交的關鍵詞從數據庫中將符合匹配規則的網頁調取，并根據權重排序規則對其進行排序；結果展示：將排序好的網頁按不同的方式呈現給用戶。
本文地址：http://knowyourextract.com//article/27632.html
