किसी साइट पर खोज केवल एक साइट पर खोज नहीं है

सभी साइटों को स्टैंडअलोन खोज मॉड्यूल की आवश्यकता नहीं होती है। यदि साइट में पांच पृष्ठ हैं - कोई खोज की आवश्यकता नहीं है। यदि साइट को महीने में एक बार अपडेट किया जाता है या सभी अपडेट कवर पेज पर दिखाई देते हैं - तो आप Google या YXex से साइट पर एक बाहरी खोज कर सकते हैं। लेकिन कुछ कार्यों को बाहरी खोज द्वारा हल नहीं किया जा सकता है। यह लेख उन कार्यों के बारे में है जो एक अंतर्निहित खोज मॉड्यूल प्रदर्शन कर सकते हैं। और इनमें से कुछ फ़ंक्शन सीधे खोज प्रक्रिया से संबंधित नहीं हैं।

क्या Yandex पता नहीं कैसे

बड़े खोज इंजन हमें प्रासंगिकता, खोज स्पैम, आकृति विज्ञान और अन्य रैंकिंग की गणना के क्षेत्र में अपने कई वर्षों के अनुभव का उपयोग करने का अवसर प्रदान करते हैं। लेकिन ऐसे कार्य हैं जो एक बाहरी खोज इंजन को "उपस्थिति" के कारण सामना करने में सक्षम नहीं है।

तुरंत रेनडेक्सिंग

आपने साइट पर एक लेख जोड़ा - और यह सूचकांक में पहले से ही मौजूद है और खोज के लिए उपलब्ध है। आपने अश्लील टिप्पणी हटा दी - और कोई भी इसे नहीं पाएगा। यदि आपकी साइट पर वैश्विक खोज इंजन के माध्यम से खोज फ़ॉर्म है, तो आपको कभी-कभी हफ्तों तक रिइंडेक्सिंग के लिए इंतजार करना होगा। यदि अंतर्निहित खोज मॉड्यूल आपको "जोड़ें", "परिवर्तन" या "हटाएं" की स्थिति से साइट के टुकड़े को फिर से प्राप्त करने की अनुमति देता है, तो खाता मिनट या कुछ सेकंड के लिए चला जाएगा।

समानार्थी

हमारे उत्पाद का नाम अक्सर "नेटकट", "नेटकैट", "नेटकेट" के रूप में रूसी में लिखा जाता है। यह यैंडेक्स के लिए नहीं होगा कि इस तरह के अनुरोधों के लिए उन पृष्ठों को दिखाना आवश्यक है जहां NetCat लिखा गया है (अनुरोध "netcat" को छोड़कर, यांडेक्स ने इसे मान्यता दी)। हम "CMS - CMS, Tsmska, Siems" जैसे मामलों के बारे में क्या कह सकते हैं। और हम स्पष्ट रूप से अंतर्निहित खोज के लिए समान समानार्थक शब्द सेट कर सकते हैं।

प्रासंगिकता गणना के लिए टैग वजन प्रबंधन

"यैंडेक्स के लिए" ग्रंथ लिखने से लोगों के लिए ग्रंथ लिखने से कार्डिनल अंतर होता है। पहले मामले में, हमें अपनी साइट पर पेज को दिखाने के लिए एक लाख पृष्ठों में से "इस विषय पर" की आवश्यकता है। दूसरे में - ताकि एक व्यक्ति जो ALREADY साइट पर आया था उसे जल्दी से वह पेज मिल जाए जिसकी उसे जरूरत है और हमारा उत्पाद खरीदता है। इसलिए, यदि कोई व्यक्ति हमारी वेबसाइट पर "गुलाबी हाथी" की तलाश कर रहा है, तो हमें उसे आदर्श रूप से सत्यापित डेटा वाक्यांशों के साथ एक लंबा लेख नहीं दिखाने की जरूरत है, लेकिन एक पृष्ठ जिसमें कुछ तस्वीरें हैं और एक बटन है। आंतरिक खोज इंजन के लिए वेब पेजों के टैग और व्यक्तिगत ब्लॉक (उदाहरण के लिए, वर्ग विशेषता द्वारा) के वजन को निर्धारित करने की क्षमता होने के बाद, हम सामग्री तैयार कर सकते हैं ताकि प्रक्रिया "एक अनुरोध दर्ज किया - खरीदा" उपयोगकर्ता से कम से कम समय ले।

अनुक्रमण पृष्ठों के लिए निषिद्ध की लचीली सेटिंग

Robots.txt फ़ाइल में, हम Disallow बयान लिख सकते हैं, जो बाहरी खोज इंजन को साइट के कुछ हिस्सों को अनुक्रमित करने से रोक देगा। जैसा कि समर स्कैंडल्स में निजी जानकारी को खोज इंजन में शामिल किया गया है, यह हमेशा मदद नहीं करता है। लेकिन यहां तक ​​कि अगर आप इसे ध्यान में नहीं रखते हैं, तो डिस्क्लेक्ट सिंटैक्स बहुत आदिम है, और निषिद्ध क्षेत्रों को नियमित अभिव्यक्ति के साथ निर्दिष्ट करना बेहतर होगा। उदाहरण: पृष्ठ sloniki.html; क्रिया = जोड़, व्यवस्थापक का उद्देश्य संगत पृष्ठ पर सामग्री जोड़ने के लिए, अच्छी तरह से सूचकांक में मिल सकता है, भले ही केवल शीर्षक "पिंक एलिफेंट" और प्राधिकरण रूप हो। लेकिन हम खोज परिणाम क्यों देते हैं?

जैसे ही आप टाइप करते हैं, ऑटो-मेल क्वेरी विकल्प

हर कोई ड्रॉप-डाउन सूची से परिचित है जो यांडेक्स या Google हमें दिखाता है कि आप अनुरोध टाइप करते हैं। लेकिन यह टिप सबसे लोकप्रिय प्रश्नों की एक सूची है। आंतरिक खोज, हालांकि, न केवल लोकप्रिय प्रश्नों को लोड कर सकती है, बल्कि पृष्ठ के शीर्षक (जो दस्तावेजों के नाम हैं) जो इनपुट क्वेरी को फिट करते हैं। "पिंक" दर्ज करना शुरू करना, हम शीर्षक टैग की सामग्री की एक सूची देखेंगे, जहां यह टुकड़ा समाहित है; हमें जिन "गुलाबी हाथियों" की आवश्यकता है, उन पर क्लिक करके, हम तुरंत उस पृष्ठ पर पहुंच जाएंगे, जिसे आप खोज परिणामों के बजाय देख रहे हैं।

लचीला reindexing अनुसूची

यदि हमारी साइट बड़ी है, तो इसकी पूरी रीइंडेक्सिंग में बहुत समय और संसाधन लग सकते हैं। लेकिन अगर "फ़ोरम" अनुभाग को हर घंटे, "समाचार" हर दिन, और "कंपनी के बारे में" कभी भी नहीं करना चाहिए, तो ऐसा करना बहुत अच्छा होगा। एक आंतरिक खोज अच्छी तरह से अलग-अलग वर्गों के लिए अलग-अलग शेड्यूल की अनुमति दे सकती है। बेशक, साइटमैप में हम changefreq विशेषता का उपयोग करके पुन: अनुक्रमण की आवृत्ति को नियंत्रित कर सकते हैं, लेकिन ... यह संभव नहीं है कि यांडेक्स और Google कार्रवाई के लिए एक निर्देश के रूप में हमारी इच्छा का अनुभव करेंगे।



और यह भी:

• खोज क्षेत्र का संकेत (उदाहरण के लिए, हर जगह या केवल मंच पर खोज करें)
• वस्तुओं से अतिरिक्त विशेषताओं का निष्कर्षण और उनमें खोज (इस तरह के एक लेखक और इस मूल्य सीमा के सभी उत्पादों को खोजें)
• न केवल प्रासंगिकता से, बल्कि तिथि के अनुसार खोज परिणामों की छंटाई

... और केवल खोज ही नहीं

व्यापार खोज मॉड्यूल न केवल अपनी प्रत्यक्ष जिम्मेदारियों, बल्कि अन्य सामाजिक रूप से उपयोगी कार्यों को भी कर सकता है। यहाँ कुछ उदाहरण हैं।

ऑटो बिल्ड साइटमैप। Xml

बाहरी खोज इंजन के लिए साइट पृष्ठों की पूरी सूची बनाने के लिए सबसे अधिक सावधान कौन है, यदि स्थानीय खोज रोबोट नहीं है? उसी समय, साइट संरचना के स्तर पर, हम अलग-अलग वर्गों के लिए चेंजफ्रेक और प्राथमिकता पैरामीटर निर्धारित कर सकते हैं।

टूटे हुए लिंक की खोज करें

गैर-मौजूद पृष्ठों के आंतरिक लिंक की खोज करने के लिए कम से कम दो तरीके हैं। सबसे पहले एक 404 त्रुटि हैंडलर लिखना है जो पेज और रेफ़रर के पते के साथ एक पत्र भेजेगा (या साइट डेटाबेस में एक संदेश जोड़ देगा) जब भी कोई ऐसे पृष्ठ पर जाता है। दूसरा यह एक खोज रोबोट को सौंपना है। यह स्पष्ट रूप से अधिक सही तरीका है।

क्वेरी आँकड़े संग्रह

यदि खोज इंजन प्रश्नों और उनके परिणामों पर आंकड़े एकत्र करता है, तो यह डेटा हमारी बहुत मदद कर सकता है। सबसे पहले, हम उन प्रश्नों को देख सकते हैं जिनके लिए उपयोगकर्ताओं को कुछ भी नहीं मिलता है, और संबंधित पृष्ठ जोड़ें। दूसरे, टाइपो को देखने के बाद जो अक्सर पाए जाते हैं, हम उन्हें समानार्थी शब्द के शब्दकोश में जोड़ सकते हैं। तीसरा, यदि किसी पृष्ठ को अक्सर खोजा जाता है, तो उसे खोजे बिना खोजना मुश्किल है; यह मेनू पर डालने लायक हो सकता है। अच्छी तरह से और इतने पर।



वैसे, एक अलग आइटम विशिष्ट पंजीकृत उपयोगकर्ताओं के अनुरोध पर आंकड़े हैं। बस यह मत सोचिए कि मैं आपसे उनका अनुसरण करने का आग्रह करता हूं :)

"बड़ों" से पीछे न रहें

ये सभी घंटियाँ और सीटी अच्छी हैं केवल अगर खोज वास्तव में सुविधाजनक है, तो आपको जो चाहिए उसकी तलाश है, और इसका उपयोग करना आसान और सरल है। इसलिए, हमारे खोज मॉड्यूल को वह करने में सक्षम होना चाहिए जो बड़े खोज इंजन करते हैं। जितना अच्छा वे हैं। खैर, या लगभग वही।

पूर्ण आकारिकी

कई स्थानीय वर्डफ़ॉर्म सर्च इंजनों की कीमत कम होती है। इस शब्द का अर्थ है किसी शब्द के अंत को उसके मूल और शब्द के रूप में खोजने के प्रयास को समाप्त करना। हम "गुलाबी" शब्द लेते हैं, स्टेमिंग लागू करते हैं, "गुलाब" प्राप्त करते हैं, और अब हम इस "मूल" शब्द से शुरू होने वाले सभी शब्दों पर विचार करते हैं। तो हम "गुलाबी" के अनुरोध पर "गुलाबी", "गुलाबी" आदि पाएंगे, लेकिन स्टेमिंग बहुत अधिक त्रुटि देता है और उपयुक्त नहीं है, उदाहरण के लिए, पृथक क्रियाओं के लिए ("गो - गो - गो")। शब्द रूपों के लिए सबसे सटीक खोज मोर्फोलॉजिकल डिक्शनरी देते हैं। घरेलू या व्यावसायिक ग्रंथों के लिए, वे इतने बड़े नहीं होते हैं ( नेटकॉट aot.ru से एक नि: शुल्क शब्दकोश का उपयोग करता है, रूसी और अंग्रेजी शब्दकोश केवल 15 मेगाबाइट पर कब्जा करते हैं, जो आधुनिक होस्टिंग सेवाओं के लिए ज्यादा नहीं है; आप अन्य शब्दकोशों का उपयोग कर सकते हैं; आप अन्य भाषाओं में भी शब्दकोश जोड़ सकते हैं) ।



वैसे, इस अवसर को लेते हुए, मैं phpMorphy मोर्फोनालिसिस लाइब्रेरी के लेखक को बहुत धन्यवाद कहना चाहता हूं, जो हमारे कार्यों के लिए बहुत उपयोगी है।

लड़ते हुए टाइपो

टाइपो से निपटने के दो तरीके हैं। पहला सबसे समान शब्द ढूंढना है, जैसा कि यैंडेक्स करता है, दूसरा एक फजी खोज का उपयोग करना है।



लेकिन कीबोर्ड लेआउट को ठीक करना बहुत आसान है।

विदेशी मामले

हमने अपने खोज मॉड्यूल में उनके विदेशी स्वभाव या बहुत अधिक जटिलता के कारण निम्नलिखित विशेषताओं को शामिल नहीं किया, हालांकि कुछ मामलों के लिए वे उपयोगी हो सकते हैं।

RTL भाषाएँ और चित्रलिपि

यूरोपीय भाषाओं (रूसी सहित) में बाएं से दाएं (बाएं से दाएं, एलटीआर) लिखने की दिशा है। लेकिन अरबी लिपि विपरीत दिशा में लिखी गई है। यदि आपका प्रोजेक्ट इस भाषा के दर्शकों के लिए लक्षित है, तो लिखने के लिए तैयार रहें (या एक तैयार किए गए स्टेम को कनेक्ट करें)। और चित्रलिपि आम तौर पर एक अलग मामला है, वहाँ आप एक स्टेमर के साथ नहीं कर सकते।

प्रतिबंधित क्षेत्रों की खोज करें

इंटरनेट परियोजनाओं में अधिकारों के विभेदीकरण की प्रणालियां अलग हैं, जिनमें पूरी तरह से पागल भी शामिल है (मैं इस बारे में एक अलग लेख लिखना चाहता हूं)। एक जटिल विकल्प का एक उदाहरण: प्रकाशन प्रणाली। एक पत्रकार को एक लेख जोड़ने का अधिकार हो सकता है (कुछ वर्गों में!) और इसके सुधार, जब तक कि यह संपादक द्वारा समायोजित न हो जाए। संपादक को अपने विषय के ढांचे के भीतर सभी सामग्रियों को देखने, सही करने और सक्षम / निष्क्रिय करने का अधिकार है। व्यावसायिक विभाग की स्वीकृति के बिना मुख्य लेखों को समायोजित करने का अधिकार प्रधान संपादक को नहीं है। अधिकारों के विभेदीकरण के विरोधाभास प्रणाली के दृष्टिकोण से, एक आदर्श खोज मॉड्यूल परियोजना पर पोस्ट की गई सभी सामग्री को अनुक्रमित करेगा, और खोज के दौरान यह उपयोगकर्ता के अधिकारों की जांच करेगा और केवल उसके लिए सुलभ सामग्री प्रदर्शित करेगा। और एक ही समय में, यह दस्तावेज़ स्थिति द्वारा फ़िल्टरिंग की अनुमति देगा।

स्वचालित रूप से पृष्ठ विषयों का पता लगाएं

पाठ के अनुक्रमित पृष्ठ का विश्लेषण करके, कुछ हद तक त्रुटि के साथ इसके विषय को निर्धारित करना संभव है। ऐसी सुविधा से उपयोगी प्रभाव: सामग्री की स्वचालित कैटलॉगिंग और एक टैग क्लाउड का निर्माण करना, समुदाय या उसके व्यक्तिगत सदस्यों (यूजीसी परियोजनाओं के लिए) के हितों का विश्लेषण करना, संबंधित सामग्रियों की सूची बनाना (क्या आपने "देखें" ब्लॉक भी देखा है?)। सबसे अधिक बार, इस तरह के विश्लेषण का उपयोग प्रासंगिक विज्ञापन को लक्षित करने के लिए किया जाता है।

इसमें यह भी शामिल है: कैशिंग खोज परिणाम, छवि खोज, फ़ॉर्म भरने के द्वारा उत्पन्न पृष्ठों की अनुक्रमणिका या अजाक्स, डुप्लिकेट पृष्ठों की खोज।

इस लेख को लिखने की प्रक्रिया में सर्च इंजन का एक और दिलचस्प अनुप्रयोग मेरे साथ हुआ। यह उपयुक्त है, उदाहरण के लिए, सामूहिक ब्लॉग और मीडिया के लिए। विभिन्न लेखकों के ग्रंथों का विश्लेषण करके, हम विभिन्न मापदंडों के अनुसार उनकी रेटिंग का निर्माण कर सकते हैं। पहली बात जो मन में आती है: शब्दावली। इसके अलावा: परजीवी के अनुसार, लेखकों-कोलेरिक की रेटिंग (जो दूसरों की तुलना में अधिक बार विस्मयबोधक चिह्न का उपयोग करता है), लम्बी तर्कशीलता के प्रेमी (जो प्रश्न चिह्न पसंद करते हैं)। शायद सुझाव है कि Habraadministration कुछ इसी तरह का है? :) सच है, मैं अभी तक इस तरह के एक खिलौने के लिए व्यावसायिक औचित्य के साथ नहीं आया हूं।

यदि आप अपनी खोज लिखते हैं ...

... पहले आपको प्रश्न का उत्तर देने की आवश्यकता है, क्या यह आवश्यक है, क्या यह मौजूदा समाधानों का उपयोग करने के लिए लायक है: Yandex.Server , Sphinx , आदि। आपके स्वयं के खोज इंजन का मुख्य लाभ साइट पर उपयोग किए गए अन्य सीएमएस मॉड्यूल के साथ तंग एकीकरण की संभावना है। यह केवल व्यवस्थापक पैनल में प्रबंधन इंटरफ़ेस को एम्बेड करने के बारे में नहीं है, बल्कि अधिकारों को विभेदित करने की प्रणाली, संरचना, उपयोगकर्ताओं आदि के प्रबंधन के साथ एकीकरण के बारे में है (मैंने पहले ही इस बारे में लिखा था)।

प्रौद्योगिकी के लिए, पर्याप्त लचीले और शक्तिशाली मंच हैं। डिफ़ॉल्ट NetCat खोज इंजन Zend_Search_Lucene का उपयोग करता है। इस समाधान में नुकसान हैं, उदाहरण के लिए, अपेक्षाकृत कम गति। हमारे मामले में, यह इस तथ्य से उचित है कि NetCat के तहत साइट को अतिरिक्त घटकों को स्थापित करने की आवश्यकता के बिना किसी भी मानक UNIX होस्टिंग पर काम करना चाहिए, और Zend_Search_Lucene को PHP के अलावा किसी अन्य चीज की आवश्यकता नहीं है। निष्पक्षता में, यह ध्यान दिया जाना चाहिए कि हमने मॉड्यूल को एक्स्टेंसिबल बना दिया है, अर्थात्, आप न केवल शब्दकोशों, बल्कि सॉफ़्टवेयर घटकों को भी बदल सकते हैं: यदि परियोजना पर्याप्त बड़ी है और सर्वर समर्पित है, तो आप उन घटकों को प्रतिस्थापित कर सकते हैं जो सूचना, अनुक्रमण और बुनियादी रूपान्तरण को संग्रहीत करने और पुनर्प्राप्त करने के लिए ज़िम्मेदार हैं। आदि उदाहरण के लिए, एक ही स्फिंक्स या सोलर (और यदि आवश्यक हो, Yandex.XML ) का उपयोग करें।

यदि आप एक सार्वभौमिक सीएमएस नहीं, बल्कि एक विशिष्ट बड़े प्रोजेक्ट को विकसित कर रहे हैं, तो इष्टतम प्लेटफॉर्म को चुनना और स्थापित करना कोई समस्या नहीं है। यह समझना अधिक महत्वपूर्ण है कि इसकी क्षमताओं का यथासंभव कुशलता से उपयोग कैसे किया जाए।

लेख के सभी स्क्रीनशॉट हमारी वेबसाइट और इसके प्रशासन प्रणाली पर बनाए गए थे।