在网络公司做过法度开辟的朋友都知道，我们通常常使用的数据库搜索手艺就是把用户输入的词汇，跟数据库中的某个或多个字段里的内容进行比较，同样，搜索引擎的运行原理简单来讲也就是这样：

用户输入一个词汇，搜索引擎从他的数据库中找到匹配的内容，再以有序的排列展现给用户，搜索引擎每天就是不厌其烦地不竭重复这些操作。看似一切很正常，我们用数据来阐发问题——

全球网民按20亿计较，全球所有网站的网页先假定是50亿个。

按每人每天搜索1次（也就是1个关头词，假定都是不重复的）

那么搜索引擎每天要从50亿个网页中搜索比对20亿个关头词。

呃。这个听起来很可骇，你能想象吗？想象这个数据如此庞年夜，但搜索引擎每次的正常搜索时间都是不到一秒。的确，在这个过程中，依照我们传统的全文搜索体例，是不现实的。仔细看下下图，并注意"索引库查询"这几个字。

在诠释什么是索引库和索引库在搜索引擎中起到什么作用前，我们同样举个形象的例子加以参考下：

我们在念书时，教员在授课过程中，常常会说，请同学们翻到第几页，看下第几段，想起来了吗？欢愉并没有奈的校园生活是否记忆犹心了~_~，言归正传。在教员发出让你翻到第几页看第几段这个指令时，就是一种索引在运行了，这里的索引是第几页和第几段，有了这两个索引，即便你的书本厚达1000页，也可以在短时间里定位到具体的那一段话。

而搜索引擎自己的索引库的组成元素就是很多个词汇，汉字约有12W个，由这些汉字所组成的词语将近10W个，再说说英文，英文26个字母，组成的词汇暂且算作100W个吧，在讲索引库元素的排序体例之前，我们再进行这段数据的阐发：

中文：50亿÷10W=5W

英文：50亿÷100W=5000

搜索引擎措置5W或5000个记实，是很是容易的一件事了。

明白了索引库的重要性，再剖析下索引库的组成形式：

在搜索引擎看来，再富丽的网站，也是一堆代码堆砌而成的，拿下文的代码来看：

颠末搜索引擎的阐发后，去除HTML代码，留下的是这些词汇，

那么其中的这些词汇就会进入到搜索引擎的索引库傍边，而这些进入索引库的每个词汇后面又有很多个网站，就比如新华字典的目录索引页一样，笔划数是10的，通过索引快速查到，笔划数是20的，也可以通过索引快速查到。

搜索引擎就是通过成立这样的索引库，才能在用户搜索某个关头词时，快速做出返回页面的查询。（而至于排名的前后，我们不在本文中多说了）

再来简单讲下分词，上面提到的多少多少个词汇，这个就是分词了，但这些是通过我们人眼判断的，搜索引擎是如何进行分词的呢？搜索引擎再短长，也只是法度，谷歌的中文分词手艺是采办第三方公司得来的，而百度的分词手艺是自创的，我们可以理解为百度事先把几W个词录进去，也多是通过汉字的一定排列体例自由组合而成，这个不是我们关心和所能研究的，我们要体会的仅仅是分词这个概念。

体会了分词这个概念后，在我们做搜索引擎优化时，也一定要通过搜索引擎的角度，让自己从网页的概况看到底层的收录抓取原理。

【尊重原创，分享不雅点。来自芝麻开门网络科技原创文章，转载请标明文章来历 — .51zmkm/news/27.html】