真正意义上的搜索引擎，通常指的是网络了因特网上几万万到几十亿个网页并对网页中的每一个词（即关键词）进行索引，确定索引数据库的全文搜索引擎。当用户查找某个关键词的时刻，所有在页面内容中包罗了该关键词的网页都将作为搜索效果被搜出来。在经由庞大的算法进行排序后，这些效果将根据与搜索关键词的相关度崎岖，依次排列。
现在的搜索引擎已普遍使用超链剖析手艺，除了剖析索引网页自己的内容，还剖析索引所有指向该网页的链接的URL、AnchorText、甚至链接周围的文字。以是，有时刻，纵然某个网页A中并没有某个词好比“恶魔撒旦”，但若是有其余网页B用链接“恶魔撒旦”指向这个网页A，那么用户搜索“恶魔撒旦”时也能找到网页A。而且，若是有越多网页（C、D、E、F……）用名为“恶魔撒旦”的链接指向这个网页A，或者给出这个链接的源网页（B、C、D、E、F……）越优异，那么网页A在用户搜索“恶魔撒旦”时也会被以为更相关，排序也会越靠前。
搜索引擎的原理，可以看做三步：从互联网上抓取网页→确定索引数据库→在索引数据库中搜索排序。
从互联网上抓取网页
使用能够从互联网上自动网络网页的Spider系统程序，自动接见互联网，并沿着任何网页中的所有URL爬到其它网页，重复这历程，并把爬过的所有网页网络回来。
确定索引数据库
由剖析索引系统程序对网络回来的网页进行剖析，提取相关网页信息（包罗网页所在URL、编码类型、页面内容包罗的关键词、关键词位置、天生时间、巨细、与其它网页的链接关系等），凭证一定的相关度算法进行大量庞大盘算，
数据结构算法，急求！！！！！！！
获得每一个网页针对页面内容中及超链中每一个关键词的相关度（或主要性），然后用这些相关信息确定网页索引数据库。
在索引数据库中搜索排序
当用户输入关键词搜索后，由搜索系统程序从网页索引数据库中找到相符该关键词的所有相关网页。由于所有相关网页针对该关键词的相关度早已算好，以是只需根据现成的相关度数值排序，相关度越高，排名越靠前。
最后，由页面天生系统将搜索效果的链接地址和页面内容摘要等内容组织起来返回给用户。
搜索引擎的Spider一样平常要定期重新接见所有网页（各搜索引擎的周期差异，可能是几天、几周或几月，也可能对差异主要性的网页有差其余更新频率），更新网页索引数据库，以反映出网页内容的更新情形，增添新的网页信息，去除死链接，并凭证网页内容和链接关系的转变重新排序。这样，网页的详细内容和转变情形就会反映到用户查询的效果中。
互联网虽然只有一个，但各搜索引擎的能力和偏好差异，以是抓取的网页各不相同，排序算法也各不相同。大型搜索引擎的数据库储存了互联网上几亿至几十亿的网页索引，数据量到达几千G甚至几万G。但纵然最大的搜索引擎确定跨越二十亿网页的索引数据库，也只能占到互联网上通俗网页的不到30%，差异搜索引擎之间的网页数据重叠率一样平常在70%以下。我们使用差异搜索引擎的主要缘故原由，就是由于它们能划分搜索到差其余内容。而互联网上有更大量的内容，是搜索引擎无法抓取索引的，也是我们无法用搜索引擎搜索到的。
你心里应该有这个看法：搜索引擎只能搜到它网页索引数据库里储存的内容。
什么是数据结构和算法
