搜索引擎与谷歌seo的关系是什么？

一：搜索引擎发展史丨谷歌seo

随着现代社会互联网的迅速发展，能够接触到互联网的人越来越多。这些网民需要寻找什么东西时，只需打开百度或者谷歌，在搜索框输入需要找的信息，按回车键，便可以查到千千万万个结果，而网民广泛使用的这个工具，就是搜索引擎。

搜索引擎最早出现于1990年，当时还是用FTP服务器上传文件，并非网页传输。

1993年6月，历史上第一个Web搜索引擎Word Wide Web Wanderer出现，只做收集网址用。同年10月,第二个Web搜索引擎ALIWEB诞生，它可以检索标题、标签等信息，但文件主题内容还是无法索引。

1994年1月，Infoseek创立，稍后正式推出搜索服务，并允许站长向Infoseek提交网址。百度创始人李彦宏当时就是Infoseek的核心工程师之- -。同年4月，杨致远与David Filo创立Yahoo! ,当时作为人工收录网址用，”寄居” 于斯坦福大学的域名。当月，第一个可以索引全文内容的搜索引擎WebCrawler推出，作为华盛顿大学的一个研究项目。之后，该搜索引擎于1995年、1996年分别被AOL和Excite收购。直到2001年停止研发，转而成为整合、显示多方搜索结果的元搜索引擎。2001年6月，Lycos创立，迅速成为最受欢迎的搜索引擎之一。

1995年4月，Yahoo!公司正式成立。1995年12月， Excite搜索引擎正式上线，一度成为当时最流行的搜索引擎之一。2001年，其母公司破产,被InfoSpace购买，2004年又被Ask Jeeves收购。

1998年GoTo (后改名为Overture)正式开始竞价排名业务，成为PPC点击付费广告形式的鼻祖。随后，Direct Hit创办，主要采用用户点击率列出搜索结果排名，而后被作弊者利用。年中，迪士尼控股Infoseek,并将其转型为门户网站。AltaVista被Compaq收购，并也被转型为J户网站，从此AltaVista走向没落。另外，Yahoo!放弃两年前使用的AltaVista, 转而使用Inktomi的搜索数据。那时，Yahoo!只在用户搜索的网站未在其目录中时，才显示真正来自搜索引擎的数据。9月，Google公司正式成立。

二：国内外搜索引擎介绍

2.1国内常用的搜索引擎

1.百度搜索

百度搜索是全球最大的中文搜索引擎、最大的中文网站，2000年1月创立于北京中关村。从最初的不足10人发展至今，员工人数超过1.8万人。如今的百度已成为中国最受欢迎、影响力最大的中文网站。

2.360搜索

360搜索属于元搜索引擎，是搜索引擎的一种，是通过一个统一的用户界面，帮助用户在多个搜索引擎中选择和利用合适的(甚至是同时利用若干个)搜索引擎来实现检索操作，是对分布于网络的多种检索工具的全局控制机制。而360搜索+属于全文搜索引擎，是奇虎360公司开发的基于机器学习技术的第三代搜索引擎，具备“自学习、自进化”能力和发现用户最需要的搜索结果。360搜索，原“好搜”搜索，是安全、精准、可信赖的新一代搜索引擎，依托于360某品牌的安全优势，全面拦截各类钓鱼欺诈等恶意网站，提供更放心的搜索服务。

3搜狗搜索

搜狗搜索(www.sogou.com) 是搜狐公司于2004年8月3日推出的全球首个第三代互动式中文搜索引擎。

搜狗搜索从用户需求出发，以一种人工智能的新算法，分析和理解用户可能的查询意图，对不同的搜索结果进行分类,对相同的搜索结果进行聚类，在用户查询和搜索引擎返回结果的过程中，引导用户更快速、准确定位自己关注的内容。该技术全面应用到搜狗网页搜索、音乐搜索、图片搜索、新闻搜索、地图搜索等服务，帮助用户快速找到所需的搜索结果;这一技术也使得搜狗搜索成为全球首个第三代互动式中文搜索引擎，是搜索技术发展史上的重要里程碑。

2013年9月，腾讯控股入股搜狗、搜搜和搜狗整合。2016年5月19日，搜狗与微软合作，推出英文和学术搜索。

4.搜搜

搜搜(soso) 是腾讯旗下的搜索网站，是腾讯主要的业务单元之一。网站于2006年3月正式发布并开始运营。搜搜现如今已成为中国网民首选的三大搜索引擎之主要为网民提供实用便捷的搜索服务，同时承担腾讯全部搜索业务，是腾讯整体在线生活战略中重要的组成部分之-。2013年9月，腾讯入股搜狗，soso整合至搜狗旗下。

2.2、国外著名的搜索引擎

1.谷歌

谷歌(Google) 是一家美国的跨国科技企业，致力于互联网搜索、云计算、广告技术等领域，开发并提供大量基于互联网的产品与服务，其主要利润来自AdWords等广告服务。Google由当时在斯坦福大学攻读理工博士的拉里佩奇和谢尔盖布卢姆共同创建，因此两人也被称为”Google Guys’1998年9月4日，Google以私营公司的形式创立，设计并管理一个互联网搜索引擎”Google搜索””。Google网站于1999年下半年启用。Google的使命是整合全球信息，使人人皆可访问，并从中受益。Google是第一个被公认为全球最大的搜索引擎，在全球范围内拥有无数用户。

谷歌于美国时间2015年8月10日宣布对企业架构进行调整，创办一家名为Alphabet的“伞形公司”(Umbrella Company)。Google成为Alphabet旗下子公司。

2.雅虎

雅虎(Yahoo) 是最老的“分类目录”搜索数据库，也是最重要的搜索服务网站之一，在全部互联网搜索应用中所占份额达36%左右。雅虎收录的网站全部被人工编辑按照类目分类。其数据库中的注册网站无论是在形式上，还是在内容上，质量都非常高。2003年3月 ,雅虎完成对Inktomi的收购，成为Google的主要竞争对手之一。2016年7月25日，美国电信巨头Verizon (威瑞森)以48亿美元收购雅虎核心资产。

3.必应

必应(Bing) 是微软公司于2009年5月28日推出，用以取代Live Search的全新搜索引擎服务。为符合中国用户使用习惯，Bing中文品牌名为“必应”。作为全球领先的搜索引擎之一，截至2013年5月，必应已成为北美地区第二大搜索引擎，如加上为雅虎提供的搜索技术支持，必应已占据29.3%的市场份额。2013年10月，微软在中国启用全新明黄色必应搜索标志，并去除Beta标识，这使必应成为继Windows、Office和Xbox后的微软品牌第四个重要产品线，也标志着必应已不仅仅是一个搜索引擎，更将深度融入微软几乎所有的服务与产品中。在WindowsPhone系统中，微软也深度整合了必应搜索，通过触摸搜索键引出，相比其他搜索引擎，界面更加美观，整合信息更加全面。

三、搜索引擎的工作原理

谷歌SEO人员需要了解搜索引擎的工作原理，知道它是如何工作的，才能够更好地对网站进行优化。搜索引擎的基本工作原理包括如下四个过程:抓取建库，检索排序，外部投票，结果展现。

3.1抓取建库

互联网信息爆发式增长，如何有效地获取并利用这些信息是搜索引擎工作中的首要环节。数据抓取系统作为整个搜索系统中的上游，主要负责互联网信息的搜集、保存、更新环节，它像蜘蛛样在网络间爬来爬去，因此通常会被叫作”spider” 。

例如，我们常用的搜索引擎蜘蛛是Baiduspider、Googlebot、 Sogou Web Spider等。

spider抓取系统是搜索引擎数据来源的重要保证，如果把Web理解为一个有向图，那么spider的工作过程可以认为是对这个有向图的遍历。从一些重要的种子URL开始，通过页面上的超链接关系，不断发现新URL并抓取，尽最大可能抓取到更多有价值的网页。对于类似百度这样的大型spider系统，因为每时每刻都存在网页被修改、删除或出现新的超链接的可能，因此，还要对spider过去抓取过的页面保持更新，维护一个URL库和页面库。

3.2抓取策略类型

其实Baiduspider在抓取过程中面对的是一个超级复杂的网络环境，为了使系统可以抓取到尽可能多的有价值的资源，并保持系统及实际环境中页面的一致性，同时不给网站体验造成压力，须设计多种复杂的抓取策略。下面作一简单介绍:

(1)抓取友好性

互联网资源庞大的数量级，要求抓取系统尽可能地高效利用带宽，在有限的硬件和带宽资源下尽可能多地抓取到有价值的资源。这就造成另一个问题:耗费被抓网站的带宽造成访问压力，如果程度过大，将直接影响被抓网站的正常用户访问行为。因此，在抓取过程中就要进行一定的抓取压力控制，达到既不影响网站的正常用户访问，又能尽量多地抓取到有价值资源的目的。

通常，最基本的是基于IP的压力控制。因为如果基于域名，可能存在一个域名对多个IP (很多大网站)或多个域名对应同一个IP (小网站共享IP)的问题。实际中，往往根据IP及域名的多种条件进行压力调配控制。同时，站长平台也推出了压力反馈工具，站长可以人工调配对自己网站的抓取压力，这时百度spider将优先按照站长的要求进行抓取压力控制。

对同一站点的抓取速度控制一般分为两类:其一，一段时间内的抓取频率;其二,一段时间内的抓取流量。同一站点不同的时间抓取速度也不同。例如，夜晚抓取的可能就会快一-些，也视具体站点类型而定，主要思想是错开正常用户访问高峰，不断调整。对于不同站点，也需要不同的抓取速度。

(2)常用抓取返回码示意

下面简单介绍几种百度支持的返回码。

①最常见的404代表”NOT FOUND” ,认为网页已经失效，通常将在库中删除，同时短期内如果spider再次发现这条URL，也不会抓取。

②503代表”Service Unavailable”，认为网页临时不可访问，通常网站临时关闭，带宽有限等会产生这种情况。对于网页返回503状态码，百度spider不会把这条URL直接删除，同时短期内将会反复访问几次，如果网页已恢复，则正常抓取;如果继续返回503，那么这条URL仍会被认为是失效链接，从库中删除。

③403代表”Forbidden”,认为网页目前禁止访问。如果是新URL，spider暂时不抓取，短期内同样会反复访问几次;如果是已收录URL，不会直接删除，短期内同样反复访问几次。如果网页正常访问，则正常抓取;如果仍然禁止访问，那么这条URL也会被认为是失效链接，从库中删除。

④301代表”Moved Permanently”，认为网页重定向至新URL。当遇到站点迁

移、域名更换、站点改版的情况时，推荐使用301返回码，同时使用站长平台网站

改版工具，以减少改版对网站流量造成的损失。

(3)多种URL重定向的识别

互联网中的一部分网页因为各种各样的原因存在URL重定向状态，为了对这部分资源正常抓取，要求spider对URL重定向进行识别判断，同时防止作弊行为。重定向可分为三类: http 30x重定向、meta refresh重定向和js重定向。另外，百度也支持Canonical标签，在效果上也可以认为是一-种间接的重定向。

(4)抓取优先级调配

由于互联网资源规模巨大以及变化迅速，对于搜索引擎来说，全部抓取到并合理地更新，保持致性几乎是不可能的事情，因此要求抓取系统设计一套合理的抓取优先级调配策略，主要包括深度优先遍历策略、宽度优先遍历策略、pr优先策略、反链策略、社会化分享指导策略等。每个策略各有优劣，在实际情况中往往是多种策略结合使用，以达到最优的抓取效果。

(5)重复URL的过滤

spider在抓取过程中需要判断一个页面是否已经抓取过了,如果还没有抓取，再进行抓取网页的行为，并放在已抓取网址集合中。判断是否已经抓取其中涉及最核心的是快速查找并对比，同时涉及URL归一化识别。例如，一个URL中包含大量无效参数，而实际是同一个页面，这将视为同一个URL来对待。

(6)暗网数据的获取

互联网中存在着大量的搜索引擎暂时无法抓取到的数据,被称为暗网数据。一方面，很多网站的大量数据存在于网络数据库中，spider难以采用抓取网页的方式获得完整内容;另一方面，由于网络环境、网站本身不符合规范、孤岛等问题，也会造成搜索引擎无法抓取。目前，对于暗网数据的获取，主要思路仍然是通过开放平台采用数据提交的方式来解决，如“百度站长平台”“百度开放平台”等。

(7)抓取反作弊

spider在抓取过程中往往会遇到所谓抓取黑洞，或者面临大量低质量页面的困扰，这就要求抓取系统中同样需要设计一套完善的抓取反作弊系统。例如，分析URL特征、分析页面大小及内容、分析站点规模对应抓取规模等。

3.3网络协议

刚才提到百度搜索引擎会涉及复杂的抓取策略。其实，搜索引擎与资源提供者之间存在相互依赖的关系，其中搜索引擎需要站长为其提供资源，否则搜索引擎就无法满足用户检索需求;而站长需要通过搜索引擎将自己的内容推广出去，获取更多的受众。spider抓取系统直接涉及互联网资源提供者的利益，为了使搜素引擎与站长能够达到双赢，在抓取过程中双方必须遵守一定的规范，以便于双方的数据处理及对接。这种过程中遵守的规范也就是日常中我们所说的一些网络协议。

http协议:

超文本传输协议，是互联网上应用最广泛的一种网络协议，客户端和服务器端请求和应答的标准。客户端一般情况是指终端用户，服务器端指网站。终端用户通过浏览器、蜘蛛等向服务器指定端口发送http请求。发送http请求会返回对应的httpheader信息，可以看到包括是否成功、服务器类型、网页最近更新时间等内容。

httpst协议:

实际是加密版http,一种更加安全的数据传输协议。UA属性: UA即用户代理(User Agent) ，是http协议中的一一个属性，代表了终端的身份，向服务器端表明我是谁、来干吗，进而服务器端可以根据不同的身份做出不同的反馈结果。

robots协议:

robots.txt是搜索引擎访问一个网站时要访问的第一一个文件，用以确定哪些是被允许抓取的、哪些是被禁止抓取的。robots.txt必须放在网站根目录下，且文件名要小写。详细的robots.txt写法可参考http://www.robotstxt.org。百度严格按照robots协议执行，另外，同样支持网页内容中添加的名为robots的meta标签，index、 follow、 nofollow等指令。

3.4抓取频次原则

Baiduspider根据上述网站设置的协议对站点页面进行抓取，但是不可能做到对所有站点一视同仁，会综合考虑站点实际情况确定个抓取配额，每天定量抓取站点内容，即我们常说的抓取频次。那么，百度搜索引擎是根据什么指标来确定对一个网站的抓取频次的呢，主要指标有以下4个:

(1)网站更新频率。

更新快多来，更新慢少来，直接影响Baiduspider的来访频率。

(2)网站更新质量。

更新频率提高了,仅仅是吸引了Baiduspider的注意。Baiduspider对质量是有严格要求的，如果网站每天更新出的大量内容都被Baiduspider判定为低质页面，依然没有意义。

(3)连通度。

网站应该安全稳定、对Baiduspider保持畅通，经常给Baiduspider吃闭门羹可不是好事情。

(4)站点评价。

百度搜索引擎对每个站点都会有一个评价，且这个评价会根据站点的情况不断变化，是百度搜索引擎对站点的一个基础打分(绝非外界所说的百度权重) ,是百度内部一个非常机密的数据。站点评级从不独立使用，会配合其他因子和阈值一起共同影响网站的抓取和排序。

抓取频次间接决定着网站有多少页面有可能被建库收录，如此重要的数值如果不符合站长预期，该如何调整呢?百度站长平台提供了抓取频次工具(http://zhanzhang.baidu.com/pressure/index) ,并已完成多次升级。该工具除了提供抓取统计数据外，还提供”频次调整”功能，站长根据实际情况向百度站长平台提出希望Baiduspider增加来访或减少来访的请求，工具会根据站长的意愿和实际情况进行调整。

3.5抓取异常的原因

有一些网页，内容优质，用户也可以正常访问，但是Baiduspider却无法正常访问并抓取，造成搜索结果覆盖率缺失，对百度搜索引擎、对站点都是一种损失，百度把这种情况叫”抓取异常”。对于大量内容无法正常抓取的网站，百度搜索引擎会认为网站存在用户体验上的缺陷，并降低对网站的评价，在抓取、索引、排序上都会受到一定程度的负面影响，最终影响到网站从百度获取的流量。

(1) 服务器连接异常。

服务器连接异常会有两种情况。一种是站点不稳定，Baiduspider尝试连接网站的服务器时出现暂时无法连接的情况;另一种是Baiduspider-直无法连接上网站的服务器。

造成服务器连接异常的原因通常是网站服务器过大，超负荷运转。也有可能是网站运行不正常，请检查网站的Web服务器(如apache、 iis) 是否安装且正常运行，并使用浏览器检查主要页面能否正常访问。网站和主机还可能阻止了Baiduspider的访问，需要检查网站和主机的防火墙。

(2)网络运营商异常。

网络运营商分电信和联通两种，Baiduspider通过电信或网通无法访问网站。如果出现这种情况，需要与网络服务运营商进行联系，或者购买拥有双线服务的空间或者购买cdn服务。

(3) DNS异常。

当Baiduspider无法解析网站的IP时，会出现DNS异常。可能是网站IP地址错误，或者域名服务商把Baiduspider封禁。请使用WHOIS或者host查询自己网站的IP地址是否正确且可解析，如果不正确或无法解析，请与域名注册商联系，更新IP地址。

(4) IP封禁。

限制网络的出口IP地址，禁止该IP段的使用者进行内容访问，这里特指封禁了Baiduspider IP。当网站不希望Baiduspider访问时，才需要该设置，如果希望Baiduspider访问网站，请检查相关设置中是否误添了Baiduspider IP。也有可能是网站所在的空间服务商把百度IP进行了封禁，这时需要联系服务商更改设置。

(5) UA封禁。

服务器通过UA识别访问者的身份。当网站针对指定UA的访问，返回异常页面(如403, 500) 或跳转到其他页面的情况，即为UA封禁。当网站不希望Baiduspider访问时，才需要该设置，如果您希望Baiduspider访问您的网站，useragent相关的设置中是否有Baiduspider UA,并及时修改。

(6)死链。

页面已经无效，无法对用户提供任何有价值信息的页面就是死链接，包括协议死链和内容死链两种形式。

协议死链：页面的tcp状态、http状态明确表示的死链，常见的如404、403、503

状态等。

内容死链：服务器返回状态是正常的，但内容已经变更为不存在、已删除或需要权

限等与原内容无关的信息页面。

对于死链，建议站点使用协议死链，并通过百度站长平台一死链 T具向百度提交，以便百度更快地发现死链，减少死链对用户以及搜索引擎造成的负面影响。

(7)异常跳转。

将网络请求重新指向其他位置即为跳转。异常跳转指的是以下几种情况:

①当前该页面为无效页面(如内容已删除、死链等) ,直接跳转到前一目录或者首

页，百度建议站长将该无效页面的入口超链接删除。

②跳转到出错或者无效页面。注意:对于长时间跳转到其他域名的情况，如网站更换域名，百度建议使用301跳转协议进行设置。

(8)其他异常。

①针对百度refer的异常:网页针对来自百度的refer返回不同于正常内容的行为。

②针对百度ua的异常:网页对百度UA返回不同于页面原内容的行为。

③JS跳转异常:网页加载了百度无法识别的JS跳转代码，使得用户通过搜索结果进入页面后发生了跳转的情况。

④压力过大引起的偶然封禁:百度会根据站点的规模、访问量等信息，自动设定一个合理的抓取压力。但是在异常情况下，如压力控制失常时，服务器会根据自身负荷进行保护性的偶然封禁。这种情况下，请在返回码中返回503 (其含义是”Service Unavailable” )，这样Baiduspider会过段时间再来尝试抓取这个链接，如果网站已空闲，则会被成功抓取。

3.6新链接重要程度判断

上面介绍了影响Baiduspider正常抓取的原因，下面介绍Baiduspider的一些判断原则。在建库环节前，Baiduspider会对页面进行初步内容分析和链接分析，通过内容分析决定该网页是否需要建索引库，通过链接分析发现更多网页，再对更多网页进行抓取分析是否建库&发现新链接的流程。理论上，Baiduspider会将新页面上所有能”看到”的链接都抓取回来。那么，面对众多新链接,Baiduspider根据以下两个方面判断哪个更重要。

(1)对用户的价值

①内容独特，百度搜索引擎喜欢unique的内容。

②主体突出，切不要出现网页主体内容不突出而被搜索引擎误判为空短页面不抓取的情况。

③内容丰富。

④广告适当。

(2)链接的重要程度

①目录层级一浅层优先。

②链接在站内的受欢迎程度。

3.7优先建重要库原则

Baiduspider抓了多少页面并不是最重要的，重要的是有多少页面被建索引库，即我们常说的”建库”。众所周知，搜索引擎的索引库是分层级的，优质的网页会被分配到重要索引库，普通网页会待在普通库，再差些的网页会被分配到低级库去当补充材料。目前，60%的检索需求只调用重要索引库即可满足，这也解释了为什么有些网站的收录量超高，流量却一直不理想。

那么，哪些网页可以进入优质索引库呢?其实，总的原则就是一个:对用户的价值，包括却不仅限于以下4方面:

(1)有时效性且有价值的页面。时效性和价值是并列关系，缺一不可。有些站点为了产生时效性，内容页面做了大量采集工作，产生了堆无价值的页面，也是百度不愿看到的。

(2)内容优质的专题页面。专题页面的内容不一定完全是原创的，即可以很好地把各方内容整合在-起，或者增加一些新鲜的内容，如观点和评论，给用户更丰富全面的内容。

(3)高价值原创内容页面。百度把原创定义为花费-定成本、大量经验积累提取后形成的文章。千万不要再问我们伪原创是不是原创。

(4) 重要个人页面。这里仅举一个例子，科比在新浪微博开户了,即使他不经常更新，但对于百度来说，它仍然是一个极重要的页面。