主要内容来自在读的[《走进搜索引擎》（第2版）][1]，同时也记录我在读这本书的时候的一些思考。
[1]: 潘雪峰. 走进搜索引擎(第2版) (Chinese Edition) ). 电子工业出版社. 2011.5
第1章 引言
搜索引擎的3种服务方式：目录式搜索引擎、全文搜索引擎、元搜索引擎。这三种分类还是于我在学校的时候看到的一样，而我如今对第三者已经记忆模糊。后来回忆，在初中的计算机基础的课本上就提到过元搜索引擎，但是这么多年过去了，元搜索引擎并没有发展起来，相反变得更加没有存在感。
搜索引擎的5个主要需求，即快、全、准、稳、省。
影响速度的原因包括分词的效果、索引库的效率、分布查询的处理能力和查询缓存的命中率等。
信息检索（Information retrieval）中使用查全率（Recall）作为衡量是否全面的指标，也叫作召回率，即查询出的相关网页数和全部相关网页数的比率。
信息检索中使用查准率（Precision）作为衡量检索准确的指标，即检索出的相关文档数于检索出的文档总数的比率。
在搜索引擎中查准比查全重要，查准与网页排序有关。
搜索引擎的4大系统，包括下载、分析、索引和查询，还可以将前3者划分为离线系统，查询作为在线系统。
第2章 搜索引擎的下载系统
任意一个网页可能被其他网页链接，这种链接称为“反向链接”，这个网页链接到其他网页，这种链接称为“正向链接”。
万维网具有蝴蝶结型（bow tie）结构，网页分为4种类型，蝴蝶结的中部（SCC，Strongly Connected Component），蝴蝶结的左部（IN，指向SCC，称为目录型网页，hub page,导航网页），蝴蝶结的右部（OUT，网页被中心部分指向，权威性网页，authority page），蝴蝶结的须脚（Tendrils，从左部链出到其他网页，或其他网页链入右部，或左部直接链入右部等，非连通分量DISC）。爬虫尽可能选择蝴蝶结的左部，或者中部的网页为起始访问结点集合（starting set of URLs）进行遍历。网页分为目录型网页和权威性网页。