|
搜索引擎9238
2002.1
没有搜索引擎是万万不能的，但搜索引擎不是万能的；
有些内容，网上明明存在，但是你用搜索引擎搜不到。如果事先理解搜索引擎能做的和不能做的，你就可以设计更佳的搜索策略。而搜索之前思考一下搜索策略，是搜索成功最关键的一步。
这样的内容，主要有3类：
======================
1、网上有，但是搜索引擎库里没有
------------------------------------------------------
1.1 spider未能正确处理的网页性质及文件类型
（如flash、script、ps、某些动态网页及frame、数据库）
1.2 没有指向链接的孤岛网页
1.3 spider访问时因为某些原因正好是死链接
1.4 被认为是劣质网页而不抓
1.5 因为/色情/反动/spam/等问题而不抓的非法网页
1.6 需要输入用户名、密码方可打开的网页
1.7 网站用robots协议拒绝搜索引擎抓取的网页
1.8 搜索引擎还未来得及抓取的新网页
1.9 gopher、newsgroups、Telnet、ftp、wais等非http信息
1.10 网站数据库做得太差劲，spider一抓就宕，只好不抓
2、搜索引擎库里有，但是未能正确索引网页中信息
------------------------------------------------------
2.1 分词引起误差
2.2
图型中的文字信息你看得懂但搜索引擎看不懂
2.3 停用词等搜索引擎故意不索引的信息
2.4
搜索引擎对某些网页有选择的索引，未索引全部网页信息
3、搜索引擎正确索引了网页中信息，但和你用的关键词不同
-------------------------------------------------------
3.1 你用的搜索关键词中含有错别字
3.2 网页作者用了错别字
3.3
没有错别字，但网页作者用的词汇和你的关键词不同，毕竟，文字的特性，允许有n种方式表达同一种信息
3.4 简体繁体不同编码
======================
家庭作业1：请思考、补充其它网上存在但搜索引擎搜不到的可能性
家庭作业2：请思考，以上哪些原因，你可以通过调整关键词和搜索策略来施加影响力；哪些原因，你只能接受和顺应？
非常感谢majing老师、diaopi老师的补充，欢迎其它补充。
|
