搜刮引擎(Search Engine)是指根据必定的计谋、应用特定的较量争论机法式搜集互联网上的信息，在对信息遏制结构和处置惩罚后显现给用户，为用户供应检索办事的系统。搜刮引擎今朝已成为人们上彀的必备东西之一。
归结综合地说，搜刮引擎的任务体例是抓取网站建筑页面、处置惩罚网页和供应检索办事.每个自力的搜刮引擎都有自己的网页抓取法式(Spider) , Spider顺着网页中的超链接，连续地抓取网页。被抓取的网页被称为网页快照。因为互联网中超链接的应用很广泛，实际上讲，从必定范围的网页动身，就能搜集到绝大多半的网页。搜刮引擎抓到网页后，还要做大批的预处置惩罚任务，才能供应检索办事。个中，最主要的就是提取关头词(Keywords),建立索引文件，其他的还包罗去除反复网页、阐发超链接、较量争论网页的主要度等。用户输人关头词遏制检索时，搜刮引擎从索引数据库中找到婚配该关头词的网页。为了便于用户判定，除网页题目和网址(URL)外，还会供应一段来自网页的择要和其他信息。
1.搜刮引单的汗青
一切搜刮引擎的先人都是Archie，它是1990年由加拿大麦吉尔大学的门生Alan Emtage,Peter Deutsch和Bill Wheelan发现的。固然其时www还未广泛应用，但收集合的文件传输仍是相等频仍的，而且因为大批的文件漫衍在各个分另外FTP主机中，查询起来特别很是未便，Alan Emtage等人就想开辟一个能够用文件名查找文件的系统，因此便有了Archie,Archie是一个可搜刮的FTP文件名列表，用户必须输人正确的文件名遏制搜刮，然后Archie会告知用户哪个FTP所在能够下载该文件。是以，Archie是第一个主动索引互联网上匿名FTP网站文件的法式，但它还不是真正的搜刮引擎。因为Archie深受欢送，受
其启迪，美海内华达大学的研讨职员于1993年开辟了一个Gopher(Gopher FAQ)搜刮东西Veronica( Veronica FAQ). J ughead是厥后的另外一个Gopher搜刮东西。
搜刮引擎一样平常由匍匐器(Spider，机器人/蜘蛛)、索引天生器和查询检索器三部分组成。特地用于检索信息的“机器人”法式像蜘蛛一样在收集间爬来爬去，是以搜刮引擎的“机器人”法式就被称为“蜘蛛”法式。
世界上第一个Spider法式是麻省理工学院的Matthew Gray开辟的World Wide Web Wanderer，用于追踪互联网的生长范围.开初它只用来统计互联网上的办事器数目，厥后则生长成为也能够或许捕捉URL。
1994年7月，美国卡内基·梅隆大学的Michael Mauldin将John Leavitt的蜘蛛法式接人到其索引法式中，建立了Lycos。同年4月，美国斯坦福大学的博士生David Filo和美籍华人杨致远(Jerry Yang)合营兴办了超等目次索引Yahoo，并胜利地使搜刮引擎的概念深大师心。今后搜刮引擎进人了高速成历久间。今朝，互联网上有名字的搜刮引擎已达数百个，其检索的信息量也与早年不成同日而语.以Google为例，其数据库中寄存的网页已达30亿之巨!
2.几个搜刮引攀简介
下面扼要引见几个常常使用的搜刮引擎。
(1)Google
Google搜刮引擎的界面如图6-18所示。Google本来只是斯坦福大学的一个小项目BackRub. 1995年博士生Larry Page开端进修搜刮引擎打算，并于1997年9月15日注册T 谷歌. com域名。1997岁尾，在Sergey Brin,Scott Hassan和Alan Steremberg的合营介入下，BachRub开端供应Google的演示版。1999年2月，Google完成T从Alpha版到Beta版的演变。
Google在Page rank、静态择要、网页快照、Daily refresh、多文档格式撑持、舆图股票辞书寻人等集成搜刮、多说话撑持、用户界面等功能上的改革，持久地改变了搜刮引擎的界说.2006年新版的《韦氏大学辞典》中收录了100多个新词。在这本一直以守旧、严正著称的辞典中，收录了互联网搜刮引擎Google，意义是“在互联网上敏捷地查找信息”。
(2)百度
今朝，百度(www. 百度. com)是环球最大的中文搜刮引擎，其界面如图6-19所示.2000年1月，前Infoseek资深工程师李彦宏与石友徐勇(加州大学伯克利分校博士后)在北京中关村建立了百度(Baidu)公司。2000年5月，百度开端为流派网站(如搜狐、新浪等)供应搜刮手艺办事，今后宣布Baidu. com搜刮引擎Beta版，开端自力供应搜刮办事。
(3) Alltheweb
出生于1999年5月的Alltheweb是一个优良的全文搜刮引擎，除搜刮惯例网页外，也能搜刮新闻、图片、视频、音频等内容，其目的是做世界上最大、最快的搜刮引擎，其界面如图6-20所示。
(4) Ask. Com
Ask. Com是以发问体例遏制搜刮的搜刮引擎，用户能够输人一个成绩，搜刮获得想要的谜底，其界面如图6-21所示.
3.搜刮引的分类
搜刮引擎常分为全文索引引擎、目次索引和元搜刮引擎三类。
(1)全文搜刮引擎
全文搜刮引擎是名副真实的搜刮引擎，国外的代表有Google，海内则有百度。它们从互联网提取各个网站的信息(以网页笔墨为主)，建立起数据库，并能检索与用户查询条件相婚配的记载，按必定的分列递次前往了局。
根据搜刮了局来历的分歧，全文搜刮引擎可分为两类，一类具有自己的检索法式，即“蜘蛛”法式或“机器人”法式，能自建网页数据库，搜刮了局直接从自建的数据库中挪用，下面提到的Google和百度就属于此类;另外一类则是租用其他搜刮引擎的数据库，并按自定的格式分列搜刮了局，如Lycos搜刮引擎。
(2)目次索引
顾名思义，目次索引就是将网站分门别类地寄存在呼应的目次(Directory)中，是以用户在查询信息时，可挑选关头词搜刮，也可按分类目次逐层查找.假如以关头词搜刮，则前往的了局与全文搜刮引擎一样，也是根据信息联系关系程度分列网站(个中的工资身分要多一些)。
假如按分层目次查找，某一目次中网站的排名则由题目字母的前后递次决意(也有例外)。
与全文搜刮引擎比拟，目次索引有许多分歧之处。
起首，全文搜刮引擎属于主动网站检索，而目次索引的建立则完整依靠手工操纵。用户提交网站后，目次编纂职员会亲身欣赏用户的网站，然后根据一套自定的评判尺度乃至编纂职员的客观印象，决意是不是给与用户的网站。其次，搜刮引擎收录网站时，只需网站自己没有违背有关的划定规矩，一样平常都能登录胜利.而目次索引对网站的恳求则要高很多，偶然即便登录屡次也不必定能胜利。另外，在登录搜刮引擎时，人们一样平常不消思量网站的分类成绩，而登录目次索引时则必须将网站放在一个最合适的目次中。最初，全文搜刮引擎中各网站的有关信息都是从用户网页中主动提取的，以是用户具有更多的自立权;而目次索引则恳求必须手工另外填写网站信息，而且另有各种各样的限制。更有甚者，假如任务职员以为用户提交的网站目次、网站信息不合适。他能够随时对其遏制调剂，固然事前是不会和用户磋商的。今朝，搜刮引擎与目次索引有相互交融渗入渗出的趋向。本来一些纯洁的全文搜刮引擎此刻也供应目次搜刮，如Google就借用Open Directory目次供应分类查询。而像Yahoo!这些老牌目次索引则经过进程与Google等搜刮引擎互助扩展搜刮范围。
(3)元搜刮引擎
元搜刮引擎(Meta Search Engine)领受用户的查询恳求后，同时在多个搜刮引擎上搜刮，并将了局前往给用户。出名的元搜刮引擎有InfoSpace,Dogpile, Vivisim。等，中文元搜刮引擎的典范代表是搜星搜刮引擎。在搜刮了局分列方面，有的直接按来历分列搜刮了局，如Dogpile，有的则按自定的划定规矩将了局从新分列组合，
响应式网页设计，如Vivisimo,今朝搜刮引擎正处于高速生长的阶段，各重要大型搜刮引擎都是基于漫衍式较量争论的。
简朴地说，漫衍式系统就是由多台办事器合营合作组成的系统，从而能够或许检索海量信息。以Google为例，它由上万台办事器组成，以供应较好的检索性和抗压性.抗压性是指在一个几秒钟的时光段内，办事器处置惩罚大批并发恳求的才能。
此刻搜刮引擎手艺的重要生长空间在搜刮的正确度上，除传统的网页排序算法(指对搜刮了局遏制排序的划定规矩)，如Page rank, Hill top等，也与天然说话的研讨进展亲密相干。