很多站长朋友喜欢钻研有关搜索引擎排名的新技术，或者说新技巧更准确些，往往从表象上寻找一些蛛丝马迹，其实是往往舍本求末的做法。在国内，百度是绝大部分站长争相研究的对象，都想知道网站怎么在百度上有好的排名，以及百度喜欢什么样的网站。过去，百度一直模棱两可以及非公开的态度，让站长对百度的研究只靠猜测和想象。不过，近几年国内互联网风气渐好，尤其是百度建了百度站长平台，更公开了很多百度的在搜索引擎指南方面的官方说法。
搜索引擎整个工作流程包括“抓取、存储、页面分析、索引、检索”等，但具体的流程很多站长并不知情或者没有官方给予明确说法，尤其是百度。上个月百度连发两篇文章来阐述有关搜索排名中最重要的两个过程——索引和检索(对于抓取、存储等不了解可以去百度站长平台普及知识或者看一下有关网站收录、抓取、索引和爬行的说明)。我们先来看看百度官方给出的搜索引擎的索引流程。
众所周知，搜索引擎的主要工作过程包括：抓取、存储、页面分析、索引、检索等几个主要过程。过去几周给大家介绍了抓取相关的简要过程。今天简要介绍一下索引系统，以亿为单位的网页库中查找特定的某些关键词犹如大海里面捞针，也许一定的时间内可以完成查找，但是用户等不起，从用户体验角度我们必须在毫秒级别给予用户满意的结果，否则用户只能流失。怎样才能达到这种要求呢?
如果能知道用户查找的关键词(query切词后)都出现在哪些页面中，那么用户检索的处理过程即可以想象为包含了query中切词后不同部分的页面集合求交的过程，而检索即变成了页面名称之间的比较、求交。这样，在毫秒内以亿为单位的检索成为了可能。这就是通常所说的倒排索引及求交检索的过程。如下为建立倒排索引的基本过程：
(1)页面分析的过程实际上是将原始页面的不同部分进行识别并标记，例如：title、keywords、content、link、anchor、评论、其他非重要区域等等;
(2)分词的过程实际上包括了切词分词同义词转换同义词替换等等，以对某页面title分词为例，得到的将是这样的数据：term文本、termid、词类、词性等等;
(3)之前的准备工作完成后，接下来即是建立倒排索引，形成{termàdoc}，可以粗略的理解为如下，为什么是【term->doc】,而不是直接应用【doc->term】呢?
这是百度官方给出的索引简介，是搜索引擎实现搜索排名的一个关键流程，也是我们迫切关注的网站关键词排名最重要的一环。或许某些黑帽SEO可以利用其中漏洞来作弊，同样作为白帽这也是我们一直想了解的百度排名秘密之一。
