搜索引擎用來爬行和訪問頁面的程序被稱為蜘蛛工，也稱為機(jī)器人(bot)。搜索引擎蜘蛛訪問網(wǎng)站頁面時類似于普通用戶使用的瀏覽器。蜘蛛程序發(fā)出頁面訪問請求后，服務(wù)器返回HTML代碼，蜘蛛程序把收到的代 碼存

搜索引擎用來爬行和訪問頁面的程序被稱為蜘蛛工，也稱為機(jī)器人(bot)。搜索引擎蜘蛛訪問網(wǎng)站頁面時類似于普通用戶使用的瀏覽器。蜘蛛程序發(fā)出頁面訪問請求后，服務(wù)器返回HTML代碼，蜘蛛程序把收到的代 碼存入原始頁面數(shù)據(jù)庫。搜索引擎為了提高爬行和抓取速度，都使用多個蜘蛛并發(fā)分布爬行。　　一、robots.txt文件　　蜘蛛訪問任何一個網(wǎng)站時，都會先訪問網(wǎng)站根目錄下的robots.txt文件。如果robots.txt文件禁止搜素引擎抓取某些文件或目錄。蜘蛛將 遵守協(xié)議，不抓取被禁止的網(wǎng)址?！　『蜑g覽器一樣，搜索引擎蜘蛛也有標(biāo)明自己身份的代理名稱，站長可以在日志文件中看到搜索引擎的特定代理名稱，從而辨識搜索引擎蜘 蛛。下面列出常見的搜索引攀蜘蛛名稱：　　二、跟蹤鏈接　　為了抓取網(wǎng)上盡量多的頁面，搜索引擎蜘蛛會跟蹤頁面上的鏈接，從一個頁面爬到下一個頁面，就好像蜘蛛在蜘蛛網(wǎng)上爬行那樣，這也就 是搜索引擎蜘蛛這個名稱的由來?！　≌麄€互聯(lián)網(wǎng)是由相互鏈接的網(wǎng)站及頁面組成的。從理論上說，蜘蛛從任何一個頁面出發(fā)，順著鏈接都可以爬行到網(wǎng)上的所有頁面。當(dāng)然， 由于網(wǎng)站及頁面鏈接結(jié)構(gòu)異常復(fù)雜，蜘蛛需要采取一定的爬行策略才能遍歷網(wǎng)上所有頁面?！　∽詈唵蔚呐佬斜闅v策略分為兩種，一種是深度優(yōu)先，另一種是廣度優(yōu)先。　　所謂深度優(yōu)先，指的是蜘蛛沿著發(fā)現(xiàn)的鏈接一直向前爬行，直到前面再也沒有其他鏈接，然后返回到第一個頁面，沿著另一個鏈接再一直 往前爬行?！　≈┲敫欐溄?，從A頁面爬行到Al，A2，A3，A4，到A4頁面后，己經(jīng)沒有其他鏈接可以跟蹤就返回A頁面，順著頁面上的另一個鏈接，爬行 到B1，B2,B3，B4。在深度優(yōu)先策略中，蜘蛛一直爬到無法再向前，才返回爬另一條線。　　廣度優(yōu)先是指蜘蛛在一個頁面上發(fā)現(xiàn)多個鏈接時，不是順著一個鏈接一直向前，而是把頁面上所有第一層鏈接都爬一遍，然后再沿著第二 層頁面上發(fā)現(xiàn)的鏈接爬向第三層頁面。比如，我的一個站點(diǎn)，股票入門大家可以去看下，研究下?！　∵€有就是蜘蛛從A頁面順著鏈接爬行到Al，B1，C1頁面，直到A頁面上的所有鏈接都爬行完，然后再從A1頁面發(fā)現(xiàn)的下一層鏈接，爬行到A2 ，A3，A4，從理論上說，無論是深度優(yōu)先還是廣度優(yōu)先，只要給蜘蛛足夠的時間，都能爬完整個互聯(lián)網(wǎng)。在實(shí)際工作中，蜘蛛的帶寬資源 ，時間都不是無限的。也不可能爬完所有頁面。實(shí)際上最大的搜索引擎也只是爬行和收錄了互聯(lián)網(wǎng)的一小部分。