搜索引擎

"搜索引擎"听着像一召唤就跑遍全网的猎犬，其实它更像一个勤快过头的图书馆编目员：平时就派一种叫"爬虫"的程序，把海量网页一页一页抄回来，编进一本巨大的目录；你敲下关键词那一刻，它不是现在去全网翻，而是翻自己家这本目录。

举个假设的日常例子：你在小区门口新开了家奶茶店，建了个简单网页，写上"中山路最好喝的芋泥波波"。第二天你搜这句完整的话——搜不到。不是搜索引擎故意不理你，是它的爬虫还没逛到你这个没名气的小网页，目录里压根没有这一页。而同城的点评网站转了一条你家店的介绍，几小时后就能搜到，因为大网站的页爬虫天天去抄。过了两三周，你的页也被抄进目录了，再搜"芋泥波波 中山路"，你的店才露面。

三步：抄、编、排

1. 抄：爬虫天天在网上"抄作业"。 爬虫是自动程序，顺着链接（每个链接就是一个 URL）一家家串门，把网页内容拷回搜索引擎的仓库。名气大、更新勤的网站它去得勤；刚开张、没人链接的小站，它可能几周才路过一次——这就是新网页有的很快能搜到、有的迟迟搜不到的原因。

2. 编：把抄回来的页编成"词→页"的大表。 这本目录不是按网址排的，而是倒过来：记录"每个词出现在哪些页里"，存在自家超大的数据库中。你说"芋泥波波"，它直接翻表，凡是有这四个字的页全在名单上——这就是搜索快的原因：查的是现成的表，不是现场跑腿。

3. 排：同一个词可能对应几百万页，得排队。 谁前谁后由算法决定，会参考网页和关键词的相关程度、网站质量、更新早晚等一大堆信号。这里有两件事值得知道：排前面不等于"官方认证"；标了"广告"的位置是商家花钱买的推广位，不是算法选出来的答案。

4. 你搜的是目录，不是此刻的全网。 三步合起来意味着：搜索结果展示的是"爬虫上次抄回来的那个版本"，跟网页此刻的真实样子之间，隔着一段时差。

为什么有的网页死活搜不到

搜不到不一定是网页不存在，常见的就这几种：

• 爬虫还没来过：新站、没外链的小站，得等它逛到，像上面奶茶店的例子。
• 网站不让抄：网站可以放一个 robots 文件声明"某些页别抄"，主流爬虫一般会遵守；要登录才能看的内容（邮箱、网盘、付费墙里头），爬虫进不去。
• 内容不在公开网页里：很多内容藏在 App、小程序和内部系统里，公开爬虫够不着——这部分常被叫作"深网"，其中不少内容本来就不向公众开放。
• 网页已删除，或网站出了问题被下线。

为啥搜到的内容有时是旧的

因为搜索引擎给你看的是"上次抄回来的版本"。网页改了、删了，目录未必立刻跟上，可能隔几小时、几周，甚至更久才更新。这段时间里：搜索摘要可能写着旧价格、旧时间；点进去才发现页面变了，甚至提示"不存在了"。

以前搜索结果旁边常有"快照"入口，能直接看爬虫抄回来的那一版——那相当于搜索引擎自己做的网页缓存。这几年各家陆续把这个入口下线了，但"目录和真网页有时差"这件事没变。查价格、营业状态、政策这类时效强的信息，以点进去的最新页面为准，别只信摘要。