关于搜索引擎质量 [原创]

今天在研究各搜索引擎收录质量的时候，以自己的博客为目标，查询各个搜索引擎的收录情况，结果如下：

Google: 518条

Baidu: 254条

Yahoo中文: 585条

LiveSearch: 52条

再看我博客本身的统计数据：

全部 Weblog 记录共199条，包括所有的友情链接等记录。其中真正的weblog记录，信手涂鸦有115条，老婆的博客“宣”言有37条，共142条记录。每条记录都有评论页面和Trackback页面，两个博客分页共16页，20个类别共39个页面，26个月份共29个页面，加上四个个人简历页面，一个按月索引页面，一个分类索引页面，两个留言本页面，此外，英文博客有11条记录，都只有引用页面，2个分页，4个分类，4个月份页面。共142×3+16+39+29+4+4+11×2+4+4=548个页面，考虑到新增记录被收录和索引的延迟，那么真正可以被索引到的页面应该有大约530个。这样算来，数字和计算出的应被收录页面数最接近的是Google，其次是Yahoo。百度可能是对页面内容重复较多的记录进行了缩减，居第三，微软的Live Search在一年多的时间内仅收录了52条，无论怎么计算，它都没有索引完全。我的robot.txt并没有禁止任何页面被索引。在索引数字上，Google胜出，它的收录范围基本上涵盖了我博客域名下包含的可抓取内容的全部，遗漏也在可接受的范围内。Yahoo收录最全，但存在很多冗余记录（估计是过时记录）。因此我认为它不如Google，百度对索引页面大批量删除的做法明显很有问题，但它还是可以搜索到我博客的全部内容的。最成问题的是Live Search，在这个被Windows Vista做为默认web搜索引擎的搜索引擎中，抓取一个网站的内容仅占全站的十分之一，这个数字实在让人心寒，

此外，还注意到在各个搜索引擎的搜索结果中，Google，Yahoo和LiveSearch都把首页，也就是blog.icebirds.net这个网址放在了搜索结果的第一条中。而百度的搜索结果中，一直翻到第十页也没看到索引首页的那条记录，不知道它在搞什么。这样的搜索结果，难怪那么多人说百度的搜索结果质量非常的低……

翔 2007 年十一月09日，星期五