如何得知搜索引擎收录某一类型文件的总数量

stonewang

前天写的文章《寻找“后缀名为.ico的图片”》，最后用一个检索式“filetype:ico -dfggahbhab”来表示Google收录的所有ico文件。可能有朋友不明白，为什么这个检索式能搜索出所有的ico文件，我解释一下。

首先，要明白filetype语法。file——“文件”，type——“类型”，合起来就是文件类型的意思。Google等搜索引擎支持搜索某种特定的文档，如word文件、pdf文件，实现的方式就是filetype后面加上该文件的后缀名。如“搜索引擎 filetype:ppt”的意思是查找关于搜索引擎的PowerPoint幻灯片（这种文件的后缀名是ppt）。
  补充：
  百度搜索帮助中关于filetype的说明：http://www.baidu.com/search/page_feature.html#07
  Google中的相关说明：http://www.google.com/intl/zh-CN/features.html

其次，还要懂得“减号”在检索式中的含义。"A    -B"就是搜索出现A而不出现B的网页，如“笑傲江湖 -电视剧”，搜索结果中就没有“电视剧”。
   补充：
   百度帮助中的说明：http://www.baidu.com/search/page_feature.html#09 下面的“要求搜索结果中不含特定查询词”
   Google的说明：http://www.google.cn/help/refinesearch.html

再来看这个检索式“filetype:ico -dfggahbhab”，为什么它的搜索结果就是Google收录的所有ico文件呢。从两方面着手，filetype限定了结果都是ico文件；而“dfggahbhab”是我随意敲键盘出来，当时没有任何网页包含这个字符串(如果不确定，可以自己先搜索一下看看结果)，综合起来，所有结果减去0，还是所有结果。 可能有人有疑问，为什么比直接用“filetype:ico”呢，尝试一下就知道，这样Google不出结果的。
  
这时候，解决“标题”的疑问就简单了。
  看看Google收录的多少PDF文件： filetype:pdf   -aewgadgv   约有96,600,000项  //9千多万，真够多的
   Excel文件呢，filetype:xls   -aewgadgv     约有4,050,000项
  用这个方法来查看百度的收录数量就不行了，filetype:pdf -aewgadgv，无结果。不过，还有个inurl语法，
使用 filetype:pdf inurl:pdf，相关网页约393,000篇。

PS：在以前的搜索研究院右上角经典搜索案例1001中有一道题目，可以参考：
  问：◆想知道google收录了多少asp网页
  搜索关键词：[filetype:asp -fkdls]（限google）
  答：“filetype:asp -fkdls”的意思是：搜索所有asp格式的网页，并且减去所有含关键词fkdls的网页。因为没有网页含有关键词fkdls，所以理论上会列出所有的asp格式的网页。要搜索Google收录了其它多少格式的网页，也可以用这种搜索方法。比如，用“filetype:pdf -fkdls”并且限制在简体中文搜索，可以知道Google收录简体中文的pdf网页3万多页。 　（搜索引擎9238）

PS2:由于搜索引擎的各种策略，理论上等价的检索式，结果数也会发生较大的变化。如“filetype:pdf   -aewgadgv”、“pdf   filetype:pdf ”、“inurl:pdf   filetype:pdf ”、“pdf   filetype:pdf    -aewgadgv”,Google的结果数量变化巨大，高的甚至达到478,000,000项。不过，这些都是次要的，重要的是掌握其方法和原理。

[ 本帖最后由 stonewang 于 2006-7-28 16:57 编辑 ]