搜索引擎工作原理：
主要有三段工作流程：爬行抓取、预处理、服务输出
爬行抓取
主要功能是对网页进行抓取，目前有三种爬行抓取方法
批量收集：对互联网上只要是存在链接的网页都收集一遍，耗时较长，在几周左右，缺点是增加了额外的带宽消耗，时效性也不高。
增量收集：在原有已收集的网页基础上搜索新增加的网页，变更上次收集之后有改变的页面，删除收集重复和不存在的网页。
深度优先爬行：沿着一条线抓取下去，知道最后，然后返回到另一条线
广度优先爬行：在一个页面发现多个链接后，把所有第一层的链接抓取一遍，然后再沿着第二层、第三层……
也即对抓取回来的数据进行一个索引工作，其中包括多个流程，在后台提前完成。
关键词提取
将HTML、JS、CSS等标签&程序去除，提取用于排名的有效文字。
去除停用词
即反复出现的无用词，如：“得、的、地、啊、阿、再”等
分词技术
是中文搜索引擎特有的技术支持，中文不同于英文单词与单词之间用空格分隔，因此搜索引擎必须把整个句子切割成小单元词，分词的方法有两种
基于字符串匹配的分词方法按照方向的不同，可以分为正向匹配、逆向匹配和最少切词，混合使用后产生正向最大匹配，逆向最大匹配、正向最小匹配、逆向最小匹配。笔者个人理解为按照中文的习惯对整句进行组词形式的拆分。
基于统计分词方法 直接调用分词词典中的若干词进行匹配，同时也使用统计技术来识别一些新的词语，将所有的统计结果匹配起来发挥切词的最高效率。
消除网页上各种广告文字、图片、登录框、版权信息等对搜索引擎无用的东西。
分析网页建立倒排文件
!
正向索引：把页面转换为一个关键词组合，同时记录每一个关键词在页面上的出现频率、出现次数、格式、位置，使每一个页面都可以记录为一串关键词组合，其中每个关键词的词频、格式、位置等权重信息也都记录在案。
倒排索引：正向索引不可以直接用于排名，倒排索引以关键词为索引
计算出页面上有哪些链接指向哪些其他页面，每个页面有哪些导入链接，链接使用了什么锚文本等，Google推出的PR是代表之一。
特殊文件处理
对flash、视频、PPT、XLS、图片等非文字内容不能执行脚本和程序。图片一般使用<alt>标签
服务输出
输出结果的展现方式，如：与搜索关键词匹配的部分用红色字体标出
提供
发稿网（QQ：599515669）是全国领先的在线新闻稿发布平台，团队由资深互联网专家组成，服务内容类涵盖软文发布、软文代写、微信营销、微博营销、报纸广告、视频置顶、百度问答等多种互联网广告行业。发稿网平台有上千媒介编辑、专业写手、段子手、营销专家，为企业、公共机构和个人提供定制化的解决方案，将创意、智慧、技能转化为商业价值和社会价值。发稿网平台凭借多年的网络资源和客户资源积累，发展遥遥领先同行业其他软文平台。