Google即将开始深度Web索引

Google 从来都不会停止对信息的追求,去年共有100 Exabyte 的数据被 Google 消化(1Exabyte=1000000000Gigabyte)。据估计,仍有大量的在线数据是 Google 所无法获取的,如那些未被索引的网页,非文本内容,以及需要通过表单发布方可获取的动态内容,即所谓的深度WebGoogle 近日在一篇博客文章中宣布,他们即将涉足这些深度Web数据。

在这篇博客文章中,Google 的 Jayant Madhavan 与 Alon Halevy 说,对于那些文本框,我们会从所在页选择一些词汇填写,对于选择框与复选框,我们会从 HTML 中选择一些值,一旦填写好表单,我们会尝试发布这个表单并对返回的合法,有意义的内容进行索引。

Google 同时强调,他们会一如既往地尊重 robots.txt 协议,任何在 robots.txt 被禁止的表单都不会被索引。

据估计,深度 Web 的规模是常规的公开 Web  的数倍,尽管在网络中,有很多数据是  Google 不应涉足的,但表单可以让 Google 在网络中更进一步,Matt Cutts 指出,我们这样做主要不是为了那些通过表单发布而返回的搜索结果,更多是为了发现一些通过常规手段所没能发现的新链接。

需要指出的是,Google 只索引那些使用 GET 协议的表单,而不会尝试去发布那些使用 POST协议 的表单,所以,你不必担心自己的在线反馈表单收到一堆来自 Google 的垃圾信息。

本文国际来源:http://www.readwriteweb.com/archives/google_crawling_html_forms.php,中文翻译来源:COMSHARP CMS 官方网站的行业新闻。





评论
...
发表评论


用户


评论(不超过1000字)


 2 x 2 = ? 请将左边的算术题的结果填写到左边的输入框  


  发送给朋友| 打印友好
7 x 12 小时服务热线
0532 - 83669660
微信: comsharp
QQ: 13885509
QQ: 592748664
Skype: comsharp