搜索引擎工作三大原理：
    网页收集：什么是蜘蛛：网络爬虫（又被称为网页蜘蛛，网络机器人），是一种按照一定的规则，自动抓取互联网中网页的程序或者脚本
    蜘蛛的工作方式：蜘蛛是通过链接进行爬行并抓取网页的     搜索引擎的收集机制：
    根据网站的更新周期
    定期定量的收集
    切忌三天打鱼两天晒网
    原始数据库：蜘蛛抓取的页面所要储存的位置
    预处理：
    提取文字：搜索引擎是以文字内容为基础的，从网页文件中去除标签、程序，提取出可以用于排名的网页文字内容
    中文分词：分词，分词是搜索引擎特有的步骤，把网页中提取的文字按照词组进行划分
    例：百度联盟 可拆分成 百度 联盟 百度联盟
     消噪：对内容没有任何影响却大量出现的词，如：的、 地、得、啊、哦、呀、不但、而且等
     去除重复页面：镜像网页，内容完全相同，网址不同，倾向原创
     计算网页重要度：积分制计算，通过被指向链接计算，网页的原创性
     建立索引：索引是建立关键词与网页之间的对应表，建立索引的最大好处在于可快速获取对应的数据
     提取链接：根据页面中存在的链接继续抓取      

                     检索服务：
                     查询词的处理
                     搜索词进行分词
                     获取排序
                     获取倒排索引