搜索引擎的核心技术架构，大体包括以下三块，第一，是蜘蛛/爬虫技术;第二，是索引技术;第三是查询展现的技术;当然，我不是搜索引擎的架构师，我只能用比较粗浅的方式来做一个结构的切分。

　　蜘蛛，也叫爬虫，是将互联网的信息，抓取并存储的一种技术实现。

　　搜索引擎的信息收录，很多不明所以的人会有很多误解，以为是付费收录，或者有什么其他特殊的提交技巧，其实并不是，搜索引擎通过互联网一些公开知名的网站，抓取内容，并分析其中的链接，然后有选择的抓取链接里的内容，然后再分析其中的链接，以此类推，通过有限的入口，基于彼此链接，形成强大的信息抓取能力。

　　反过来说，在这样的原理下，一个网站，只有被其他网站所链接，才有机会被搜索引擎抓取。如果这个网站没有外部链接，或者外部链接在搜索引擎中被认为是垃圾或无效链接，那么搜索引擎可能就不抓取他的页面。

　　分析和判断搜索引擎是否抓取了你的页面，或者什么时候抓取你的页面，只能通过服务器上的访问日志来查询，如果是cdn就比较麻烦。而基于网站嵌入代码的方式，不论是cnzz，百度统计，还是googleanalytics，都无法获得蜘蛛抓取的信息，因为这些信息不会触发这些代码的执行。