HTML—超文本标记语言

概念

  HTML（Hypertext Markup Language）超文本标记语言，标准通用标记语言下的一个应用，“超文本”就是指页面内可以包含图片、链接，甚至音乐、程序等非文字元素。HTML就是用户编写这种文档的一种标记语言。超文本标记语言的结构包括“头”部分（Head）、和“主体”部分（Body），其中“头”部提供关于网页的信息，“主体”部分提供网页的具体内容。

由来

  万维网上的一个超媒体文档称之为一个页面。作为一个***或者个人在万维网上放置开始点的页面称为主页或首页，主页中通常包括有指向其他相关页面或其他节点的超级链接通过点击它，可使浏览器方便地获取新的网页。这也是HTML获得广泛应用的的原因之一。在逻辑上将视为一个整体的一系列页面的有机集合称为网站。超级文本标记语言是为“网页创建和其它可在网页浏览器中看到的信息”设计的一种标记语言。

  网页的本质就是超级文本标记语言，通过结合使用其他的Web技术，如：脚本语言、公共网关接口、组件等，可以创造出功能强大的网页。因而，超级文本标记语言是万维网编程的基础，也就是说万维网是建立在超文本基础之上的。超级文本标记语言之所以称为超文本标记语言，是因为文本中包含了所谓“超级链接”点。

特点

  1.简易性：超级文本标记语言版本升级采用超集方式，从而更加灵活方便。

  2.可扩展性：超级文本标记语言的广泛应用带来了加强功能，增加标识符等要求，超级文本标记语言采取子类元素的方式，为系统扩展带来保证。

  3.平台无关性：虽然个人计算机大行其道，但使用MAC等其他机器的大有人在，超级文本标记语言可以使用在广泛的平台上，这也是万维网盛行的另一个原因。

  4.通用性：另外，HTML是网络的通用语言,一种简单、通用的全置标记语言。它允许网页制作人建立文本与图片相结合的复杂页面，这些页面可以被网上任何其他人浏览到，无论使用的是什么类型的电脑或浏览器。

搜索引擎工作原理

  步：爬行

  搜索引擎是通过一种特定规律的软件跟踪网页的链接，从一个链接爬到另外一个链接，像蜘蛛在蜘蛛网上爬行一样，所以被称为“蜘蛛”也被称为“机器人”。搜索引擎蜘蛛的爬行是被输入了一定的规则的，它需要遵从一些命令或文件的内容。

  第二步：抓取存储

  搜索引擎是通过蜘蛛跟踪链接爬行到网页，并将爬行的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。搜索引擎蜘蛛在抓取页面时，也做一定的重复内容检测，一旦遇到权重很低的网站上有大量、采集或者的内容，很可能就不再爬行。

  第三步：预处理

  搜索引擎将蜘蛛抓取回来的页面，进行各种步骤的预处理。

       ⒈提取文字

       ⒉中文分词

       ⒊去停止词

       ⒋消除噪音（搜索引擎需要识别并消除这些噪声，比如版权声明文字、导航条、广告等……）

       5.正向索引

       6.倒排索引

       7.链接关系计算

       8.特殊文件处理

  除了HTML 文件外，搜索引擎通常还能抓取和索引以文字为基础的多种文件类型，如 PDF、Word、XLS、PPT、TXT 文件等。我们在搜索结果中也经常会看到这些文件类型。 但搜索引擎还不能处理图片、视频、Flash 这类非文字内容，也不能执行脚本和程序。

  第四步：排名

  用户在搜索框输入关键词后，排名程序调用索引库数据，计算排名显示给用户，排名过程与用户直接互动的。但是，由于搜索引擎的数据量庞大，虽然能达到每日都有小的更新，但是一般情况搜索引擎的排名规则都是根据日、周、月阶段性不同幅度的更新。

  选择与网站内容相关搜索次数多，竞争小主关键词，不可太宽泛主关键词，不太特殊商业价值提取文字中文分词去停止词消除噪声去重正向索引倒排索引链接关系计算特殊文件处理。

搜索引擎排名原理

搜索引擎优化简称SEO，指的是在符合用户友好性及搜索引擎算法的基础上，使用网站内或者网站外的优化手段，使网站在搜索引擎的关键词排名提高，从而获得目标搜索流量，进而建立直接销售或建立网络品牌。搜索引擎的排名基本上分为四个步骤：

爬行和抓取

搜索引擎派出一个能够在网上发现新网页并抓文件的程序，这个程序通常称之为蜘蛛。搜索引擎从已知的数据库出发，就像正常用户的浏览器一样访问这些网页并抓取文件。搜索引擎会跟踪网页中的链接，访问更多的网页，这个过程就叫爬行。这些新的网址会被存入数据库等待抓取。所以跟踪网页链接是搜索引擎蜘蛛发现新网址的基本的方法，所以反向链接成为搜索引擎优化的基本因素之一。没有反向链接，搜索引擎连页面都发现不了，就更谈不上排名了。搜索引擎抓取的页面文件与用户浏览器得到的完全一样，抓取的文件存入数据库。索引蜘蛛抓取的页面文件分解、分析，并以巨大表格的形式存入数据库，这个过程即是索引（index)。在索引数据库中，网页文字内容，关键词出现的位置、字体、颜色、加粗、斜体等相关信息都有相应记录。

搜索词处理

用户在搜索引擎界面输入关键词，单击“搜索”按钮后，搜索引擎程序即对搜索词进行处理，如中文特有的分词处理，去除停止词，判断是否需要启动整合搜索，判断是否有拼写错误或等情况。搜索词的处理必须十分快速。排序对搜索词处理后，搜索引擎程序便开始工作，从索引数据库中找出所有包含搜索词的网页，并且根据排名算法计算出哪些网页应该排在前面，然后按照一定格式返回到“搜索”页面。再好的搜索引擎也无法与人相比，这就是为什么网站要进行搜索引擎优化。没有SEO的帮助，搜索引擎常常并不能正确的返回相关、、有用的信息。