Google 搜索引擎运作的3个阶段简介

温馨提示：这篇文章已超过942天没有更新，请注意相关的内容是否还可用！

Google 搜索是一款全自动搜索引擎，会使用名为“网页抓取工具”的软件定期探索网络，找出可添加到 Google 索引中的网页。实际上，Google 搜索结果中收录的大多数网页都不是手动提交的，而是我们的网页抓取工具在探索网络时找到并自动添加的。本文档从网站的角度介绍了 Google 搜索运作方式的各个阶段。掌握这些基础知识可以帮助您解决抓取问题、让您的网页编入索引，并且了解如何优化您的网站在 Google 搜索结果中的呈现效果。

开始之前的一些注意事项

在深入了解 Google 搜索的运作方式之前，请务必注意，Google 不会通过收取费用来提高网站抓取频率或网站排名。任何与此不符的消息均是子虚乌有。

Google 不保证一定会抓取您的网页、将其编入索引或在搜索结果中显示您的网页，即使您的网页遵循 Google 的网站所有者政策和指南也是如此。

Google 搜索的 3 个阶段简介

Google 搜索的工作流程分为 3 个阶段，并非每个网页都会经历这 3 个阶段：

抓取：Google 会使用名为“抓取工具”的自动程序从互联网上发现各类网页，并下载其中的文本、图片和视频。
索引编制：Google 会分析网页上的文本、图片和视频文件，并将信息存储在大型数据库 Google 索引中。
展现搜索结果：当用户在 Google 中搜索时，Google 会返回与用户查询相关的信息。

一、抓取

第一阶段是找出网络上存在哪些网页。不存在包含所有网页的中央注册表，因此 Google 必须不断搜索新网页和更新过的网页，并将其添加到已知网页列表中。此过程称为“网址发现”。由于 Google 之前已经访问过某些网页，因此这些网页是 Google 已知的网页。当跟踪已知网页上指向新网页的链接时，Google 会发现其他网页，例如类别网页等中心页会链接到新的博文。当您以列表形式（站点地图）提交一系列网页供 Google 抓取时，Google 也会发现其他网页。

Google 发现网页的网址后，可能会访问（或“抓取”）该网页以了解其中的内容。我们使用大量计算机抓取网络上的数十亿个网页。执行抓取任务的程序叫做 Googlebot（也称为漫游器或“蜘蛛”程序）。Googlebot 使用算法流程确定要抓取的网站、抓取频率以及要从每个网站抓取的网页数量。Google 的抓取工具也经过编程，确保不会过快地抓取网站，避免网站收到过多请求。此机制基于网站的响应（例如，HTTP 500 错误意味着“降低抓取速度”）和 Search Console 中的设置。

但是，Googlebot 不会抓取它发现的所有网页。某些网页可能被网站所有者设置为禁止抓取，其他网页可能必须登录网站才能访问，还有的网页可能与之前抓取过的网页重复。例如，许多网站通过 www (www.example.com) 和非 www (example.com) 版本的域名都可以访问，即使这两个版本的内容完全相同。

在抓取过程中，Google 会使用最新版 Chrome 呈现网页并运行它找到的所有 JavaScript，此过程与浏览器呈现您访问的网页的方式类似。呈现很重要，因为网站经常依靠 JavaScript 将内容引入网页，缺少了呈现过程，Google 可能就看不到相应内容。

能否抓取取决于 Google 的抓取工具能否访问网站。Googlebot 访问网站时的一些常见问题包括：

二、索引编制

抓取网页后，Google 会尝试了解该网页的内容。这一阶段称为“索引编制”，包括处理和分析文字内容以及关键内容标记和属性，例如 <title> 元素和 Alt 属性、图片、视频等。

在索引编制过程中，Google 会确定网页是否与互联网上的其他网页重复或是否为规范网页。规范网页是可能会显示在搜索结果中的网页。为了选择规范网页，我们首先会将在互联网上找到的内容类似的网页归为一组，然后选择一组网页中最具代表性的网页进行呈现。该组网页中的其他网页可作为备用版本在不同情况下提供，例如用户在移动设备上进行搜索时，或他们正在查找该组网页中的某个具体网页时。

Google 还会收集关于规范网页及其内容的信号，这些信号可能会在下一阶段（即在搜索结果中呈现网页）时用到。一些信号包括网页语言、内容所针对的国家/地区、网页可访问性等。

所收集的关于规范网页及其网页群组的相关信息可能会存储在 Google 索引（托管在数千台计算机上的大型数据库）中。我们无法保证网页一定会编入索引；并非 Google 处理的每个网页都会编入索引。

是否会编入索引还取决于网页内容及其元数据。一些常见的索引编制问题可能包括：