1.Speckly

　　不支持中文，是通过别的10个BT种子提供站直接搜索到的，总的来说还是不错的。

　　可以看出种子源还是不错的，搜索界面比较象Google。

　　2.Usniff　　

　　这个也是相当的不错，搜索体验也是不错的，有“Top Searches”，可以看出哪些搜索的最多。同时也优化了搜索结果，显示“OK”的表示种子源比较好。这些种子目前来源于8个BT种子源提供网站。

　　简洁明了的搜索结果，可以直观的看出该视频大小，供用户选择。

　　3.BitDig

　　这个就更不同于前两个了，因为他支持了中文搜索，对于中国用户来说方便了不少，而且用户可以根据种子源的优良进行投票，高投票的自然速度也就快一点，避免了用户找到劣质的种子，这个模式有点像Digg，挺喜欢这种wen2.0的模式。

　　这个界面就有点象Digg了。你可以选择高分的种子选择下载。

　　总结：以上3个BT种子搜索引擎，各有各得优势，个人比较喜欢第二个，因为搜索体验还是不错的，当然第三款支持中文那也足够秒杀他们了，还是那句话“仁者见仁智者见智”，选择自己的吧!

　　看看你属于那类英才?帮你定位!

　　宠物行业作为一个新兴起来的行业，各方面都需要不断的完善与改进，纵观宠物行业的人才匮乏，从业人员素质层次不齐，加之又缺乏新生力军的注入，这也成了制约宠物行业发展的瓶颈。那么宠物行业到底需要什么样的人才呢?宠物界的阳荣礼先生据自己切身对宠物行业的理解与研究，为宠物行业的未来人才定位如下：

　　宠物行业协会管理者：主要就职于宠物行业协会领导层。其职位要求对宠物行业非常了解;对行业的发展应该起到引领和规范的作用;有一定行业管理和企业管理的相关经验;能够打破传统行业的管理模式，制定符合中国宠物行业特性的新思路，带领宠物企业生产商、经销商、繁殖者、宠物类媒体和广大消费者共同推进中国宠物产业的发展。

　　宠物企业CEO：主要就职于宠物企业(宠物用品企业、宠物食品企业、传媒企业)。其职位要求对企业管理有一定的经验;对宠物行业有一定的了解，能够准确定位公司的产品定位和战略规划;能够有效预估产品市场的前景和投资风险;能够有效的提升公司的资金使用率。

　　宠物行业研究专家：宠物行业研究专家是宠物行业急缺的智囊性高端人才，要求从业人员非常了解宠物行业现状，能够精确掌握各种科学数据，包括各地养犬基数，消费调查、商家数据和各类企业的现状。能够为政府制定相应政策或商家的战略定位提供各种合理、科学的数据分析及市场调研，通过各种数据分析，能够提前预估市场的前沿。

　　宠物投资理财专家：宠物投资理财专家是目前市场急缺的人才，他可以帮助投资人和消费者对宠物行业进行正确投资，合理规避和掌握各种风险，同时引导消费者理性消费。要求非常了解宠物市场，尤其是各种消费模式。精通宠物的产品市场、宠物活体销售市场、网络市场和媒体渠道，有丰富的行业信息来源和敏锐的行业投资目光。

　　宠物产品市场营销专员：随着宠物行业的飞速发展，宠物所需的产品应运而生，基本上人有的东西，宠物的产品都有。虽然公司实力和品牌层次不齐，但是宠物产品市场营销专员却远远满足不了市场的需求。此类人才不仅要求了解传统行业市场营销的知识，同时还要求对宠物行业有所了解。宠物行业市场销售渠道一般分为外销和内销。而内销渠道主要是通过全国宠物店、宠物医院、犬舍进行批发和零售。目前也流行网络销售和网民团购。

　　宠物产品品牌策划专员：此类人才除了对品牌策划具备一定的创意和经验，还要求对宠物市场环境、消费人群、销售渠道和媒体资源有充分的了解，这样才能够为企业量身定做符合企业产品定位、品牌概念和最低成本品牌推广方案。尤其是如何整合所有业内的媒体资源，快速扩大媒体焦点，使企业有限的宣传费用快速达到提升企业品牌和扩大产品销量的目的。

　　宠物行业猎头专员：传统行业的高级人才一般都经过猎头公司挖掘，这样企业可以通过猎头公司精准快捷的找到企业所需的人才。而猎头公司目前还未涉及到宠物行业领域，他们不知道那些人是企业急缺的人才，所以针对了解和挖掘宠物行业的猎头专员是一片空白，市场急缺中!宠物行业猎头专员的出现，将大大推动更多宠物英才的出现，同时也将促进企业对宠物行业人才的重视和规范化管理。

　　宠物媒体专员：宠物媒体专员包括宠物媒体广告人、宠物编辑、宠物媒体设计师等。随着宠物行业的发展，目前市场出现了很多宠物门户网站、宠物类杂志等媒体，宠物媒体以宠物可爱漂亮的魅力视觉、丰富多彩的宠物娱乐和养犬知识趣味吸引了广大消费者，很好的宣扬了宠物文化，丰富了爱宠人的生活。同时宠物媒体的出现，为宠物类企业产品的推广、各类宠物咨询的了解提供了专业的渠道。此类人才除了要求对网络媒体和平面媒体有一定的了解之外，还要求对宠物行业有一定了解，只有了解行业特性，才能够准确媒体定位，才能够了解读者和商家的需求。

　　宠物网络精英：宠物网络精英包括宠物网络运营专员、网络推广专员、网络开发工程师、设计师等。随着电子网络的飞速的发展，宠物行业100多家大型宠物网站孕育而生。宠物网络行业的发展，将为此类人才的就业提供巨大的空间。职位要求除了解电子商务和网络运营外，还要求对宠物行业非常了解，并具备一定的行业资源。

　　宠物医院院长：宠物医院的管理和人的医院管理有很大区别，要求从业者必须了解宠物医师的相关技能，并对宠物行业有相当的了解，能够结合当地实际情况制定医院的管理制度，同时还能够独立处理各种突发事件和相关政府管理机构的协调工作。

　　宠物店店长：要求有相关店铺运营的经验，了解一定的宠物饲养管理知识，同时对宠物的相关产品要熟悉。另外，还要对宠物产品的相关进货渠道有所了解。

　　宠物医师：必须是兽医师专业毕业。有相关宠物饲养和疾病控制的经验。熟悉临床技术知识，和各种医疗技能。

　　宠物美容师：了解宠物饲养知识，熟悉各种犬种标准，能够独立设计完成各种犬种的美容造型。另外，还需要了解一些宠物相关产品知识。

　　宠物驯导师：了解宠物饲养知识，各种犬种结构的标准;熟练掌握各种犬种的习性和训练方法;针对不同的犬只制定不同的训练方案。目前此职业已经成为国家劳动大纲颁布工种。

　　宠物繁育师：了解宠物饲养知识，熟悉各种犬种标准，对犬只疾病有一定了解。熟练掌握宠物的配种、驯养等知识，做到科学饲养，科学繁殖。

　　宠物经济人：了解宠物饲养知识，各种犬种标准。熟悉每种犬种的消费群体，能有效利用网络平台、杂志宣传、宠物店等手段提升犬只销售，并熟悉宠物托运。

　　宠物会展服务专员：随着宠物行业的发展，全国宠物展会不断。宠物展会成为了宠物企业宣传品牌和拓展产品市场的有力渠道。要求了解宠物市场，并精通宠物展会策划、展会宣传、展会组织、展会招商等各项流程。

　　宠物赛事专员：宠物赛事专员包括审查员、助理裁判、赛事执场人员、检录人员、备赛叫号人员等。随着犬赛的全国推广，赛事服务要求更加具体和专业化。要求从业人员非常了解犬种标准，赛事规则及赛事组织。

　　总之，宠物行业不是一个社会地位低贱的简单工作，而是一个比传统行业要求更高，知识更广、技能更好，更能发挥吃苦耐劳的新兴行业工作。不仅需要爱心，还需要智慧。宠物行业需要大量的新型复合型人才，有了更多英才的加入，坚信宠物行业的明天一定会更加辉煌灿烂!

　　本篇文章仅对一直从事宠物行业工作或即将加入宠物行业的人一些鼓励和信心，帮助快速找准自己的定位，发挥所长，充分实现自己的个人价值，同时也为企业在整合利用人力资源方面提供一些思路。若有不妥之处，请广大读者提出指正。交流邮箱：ipipouyang@163.com。

　　阳荣礼先生 2003年进入宠物业，出版发行了第一本中国宠物产业年鉴，真正的把我国宠物产业发展载入了史册，使我国宠物行业发展有了行动指南，并于同年成功举办了中国第一个世界宠物文化博览会，提出了“弘扬宠物文化，发展宠物经济”的口号，并拓展了宠物文化的内涵和外延。入宠物行业以来，曾多次举办中国宠物产业发展论坛，为我国宠物行业的发展提供了重要信息。现就职于中国名将犬业俱乐部(NGKC)，从事行业管理工作。

<div style="display:none"><a href="http://....xxx.com.cn" target="_blank">淘宝首页</a></div>

二、用Javascript再隐藏CSS内容

<SCRIPT language=javascript type=text/javascript>
document.write("<div style='display:none;'>");
</SCRIPT>
<a href="http://....xxx.com.cn">淘宝</a>
<SCRIPT language=javascript type=text/javascript>
document.write("</div>");
</SCRIPT>

三、

　　不知道Excel、Word格式刷快捷键这个功能是因为早期的Word版本并不会默认把格式化放在栏目上面，我学习Word是从打字开始，一直没有受过正规的训练(也怪自己上课从来不去)。有时候学习软件这一类的东西最好是什么都问个为什么，自己多去看看菜单，多点击下右键，多捣鼓几次之后你就会发现收获很多。

　　认识格式刷也好几年了，今天发现若是频繁使用格式刷找那刷子很是麻烦，要是有快捷键那该多好啊。于是拜之于网络，百度之后，如下：

　　1、Word格式刷快捷键 (03和07版)

　　Ctrl+Shift+C 复制格式

　　Ctrl+Shift+V 粘贴格式

　　从什么看就知道比我们正常的复制多加了个shift。

　　2、 EXCEL格式刷快捷键

　　这需要自己设置，方法如下：

　　点击标题栏“工具”→“自定义”，然后把鼠标移到“格式刷”上点击“右键”然后给它重命名，重命名最好是数字，应为要和“ALT”键配合使用，例如我改为“&1”然后点击勾选右键菜单里下面的“图像与文本”，最后“关闭”关闭“自定义”。

　　注意：改完快捷键后，勾选右键菜单里下面的“图像与文本”，然后才能用。否则还是原来的快捷键

　　使用的时候，先用鼠标选中格式标准的单元格，然后按下“ALT+1”(若是你设置的是1的话，这是屏幕就会出现格式刷的那个小刷子的标识了，嗯，随便刷哪都行，只要你愿意。

　　下面是Excel Home里面高手录制的操作视频。

　　说明：斜杠后面的数字表示子网掩码，例如15就代表前面有15个1，其余用0补齐。

58.14.0.0/15
58.16.0.0/13
58.24.0.0/15
58.30.0.0/15
58.32.0.0/11
58.66.0.0/15
58.68.128.0/17
58.82.0.0/15
58.87.64.0/18
58.99.128.0/17
58.100.0.0/15
58.116.0.0/14
58.128.0.0/13
58.144.0.0/16
58.154.0.0/15
58.192.0.0/11
58.240.0.0/12
59.32.0.0/11
59.64.0.0/12
59.80.0.0/14
59.107.0.0/16
59.108.0.0/14
59.151.0.0/17
59.155.0.0/16
59.172.0.0/14
59.191.0.0/17
59.191.240.0/20
59.192.0.0/10
60.0.0.0/11
60.55.0.0/16
60.63.0.0/16
60.160.0.0/11
60.194.0.0/15
60.200.0.0/13
60.208.0.0/12
60.232.0.0/15
60.235.0.0/16
60.245.128.0/17
60.247.0.0/16
60.252.0.0/16
60.253.128.0/17
60.255.0.0/16
61.4.80.0/20
61.4.176.0/20
61.8.160.0/20
61.28.0.0/17
61.29.128.0/17
61.45.128.0/18
61.47.128.0/18
61.48.0.0/13
61.87.192.0/18
61.128.0.0/10
61.232.0.0/14
61.236.0.0/15
61.240.0.0/14
114.28.0.0/16
114.54.0.0/15
114.60.0.0/14
114.64.0.0/14
114.68.0.0/16
114.80.0.0/12
116.1.0.0/16
116.2.0.0/15
116.4.0.0/14
116.8.0.0/14
116.13.0.0/16
116.16.0.0/12
116.52.0.0/14
116.56.0.0/15
116.58.128.0/20
116.58.208.0/20
116.60.0.0/14
116.66.0.0/17
116.69.0.0/16
116.70.0.0/17
116.76.0.0/14
116.89.144.0/20
116.90.184.0/21
116.95.0.0/16
116.112.0.0/14
116.116.0.0/15
116.128.0.0/10
116.192.0.0/16
116.193.16.0/20
116.193.32.0/19
116.194.0.0/15
116.196.0.0/16
116.198.0.0/16
116.199.0.0/17
116.199.128.0/19
116.204.0.0/15
116.207.0.0/16
116.208.0.0/14
116.212.160.0/20
116.213.64.0/18
116.213.128.0/17
116.214.32.0/19
116.214.64.0/20
116.214.128.0/17
116.215.0.0/16
116.216.0.0/14
116.224.0.0/12
116.242.0.0/15
116.244.0.0/14
116.248.0.0/15
116.252.0.0/15
116.254.128.0/17
116.255.128.0/17
117.8.0.0/13
117.21.0.0/16
117.22.0.0/15
117.24.0.0/13
117.32.0.0/13
117.40.0.0/14
117.44.0.0/15
117.48.0.0/14
117.53.48.0/20
117.53.176.0/20
117.57.0.0/16
117.58.0.0/17
117.59.0.0/16
117.60.0.0/14
117.64.0.0/13
117.72.0.0/15
117.74.64.0/20
117.74.128.0/17
117.75.0.0/16
117.76.0.0/14
117.80.0.0/12
117.100.0.0/15
117.103.16.0/20
117.103.128.0/20
117.106.0.0/15
117.112.0.0/13
117.120.64.0/18
117.120.128.0/17
117.121.0.0/17
117.121.128.0/18
117.121.192.0/21
117.122.128.0/17
117.124.0.0/14
117.128.0.0/10
118.24.0.0/13
118.64.0.0/15
118.66.0.0/16
118.67.112.0/20
118.72.0.0/13
118.80.0.0/15
118.84.0.0/15
118.88.32.0/19
118.88.64.0/18
118.88.128.0/17
118.89.0.0/16
118.91.240.0/20
118.102.16.0/20
118.112.0.0/13
118.120.0.0/14
118.124.0.0/15
118.126.0.0/16
118.132.0.0/14
118.144.0.0/14
118.178.0.0/16
118.180.0.0/14
118.184.0.0/13
118.192.0.0/12
118.212.0.0/15
118.224.0.0/14
118.228.0.0/15
118.230.0.0/16
118.239.0.0/16
118.242.0.0/16
118.244.0.0/14
118.248.0.0/13
119.0.0.0/15
119.2.0.0/19
119.2.128.0/17
119.3.0.0/16
119.4.0.0/14
119.8.0.0/15
119.10.0.0/17
119.15.136.0/21
119.16.0.0/16
119.18.192.0/20
119.18.208.0/21
119.18.224.0/19
119.19.0.0/16
119.20.0.0/14
119.27.64.0/18
119.27.160.0/19
119.27.192.0/18
119.28.0.0/15
119.30.48.0/20
119.31.192.0/19
119.32.0.0/13
119.40.0.0/18
119.40.64.0/20
119.40.128.0/17
119.41.0.0/16
119.42.0.0/19
119.42.136.0/21
119.42.224.0/19
119.44.0.0/15
119.48.0.0/13
119.57.0.0/16
119.58.0.0/16
119.59.128.0/17
119.60.0.0/15
119.62.0.0/16
119.63.32.0/19
119.75.208.0/20
119.78.0.0/15
119.80.0.0/15
119.84.0.0/14
119.88.0.0/14
119.96.0.0/13
119.108.0.0/15
119.112.0.0/12
119.128.0.0/12
119.144.0.0/14
119.148.160.0/20
119.161.128.0/17
119.162.0.0/15
119.164.0.0/14
119.176.0.0/12
119.232.0.0/15
119.235.128.0/18
119.248.0.0/14
119.253.0.0/16
119.254.0.0/15
120.0.0.0/12
120.24.0.0/14
120.30.0.0/15
120.32.0.0/12
120.48.0.0/15
120.52.0.0/14
120.64.0.0/13
120.72.32.0/19
120.72.128.0/17
120.76.0.0/14
120.80.0.0/13
120.90.0.0/15
120.92.0.0/16
120.94.0.0/15
120.128.0.0/13
120.136.128.0/18
120.137.0.0/17
120.192.0.0/10
121.0.16.0/20
121.4.0.0/15
121.8.0.0/13
121.16.0.0/12
121.32.0.0/13
121.40.0.0/14
121.46.0.0/15
121.48.0.0/15
121.51.0.0/16
121.52.160.0/19
121.52.208.0/20
121.52.224.0/19
121.55.0.0/18
121.56.0.0/15
121.58.0.0/17
121.58.144.0/20
121.59.0.0/16
121.60.0.0/14
121.68.0.0/14
121.76.0.0/15
121.79.128.0/18
121.89.0.0/16
121.100.128.0/17
121.101.208.0/20
121.192.0.0/13
121.201.0.0/16
121.204.0.0/14
121.224.0.0/12
121.248.0.0/14
121.255.0.0/16
122.0.64.0/18
122.0.128.0/17
122.4.0.0/14
122.8.0.0/13
122.48.0.0/16
122.49.0.0/18
122.51.0.0/16
122.64.0.0/11
122.96.0.0/15
122.102.0.0/20
122.102.64.0/19
122.112.0.0/14
122.119.0.0/16
122.136.0.0/13
122.144.128.0/17
122.152.192.0/18
122.156.0.0/14
122.192.0.0/14
122.198.0.0/16
122.200.64.0/18
122.204.0.0/14
122.224.0.0/12
122.240.0.0/13
122.248.48.0/20
123.0.128.0/18
123.4.0.0/14
123.8.0.0/13
123.49.128.0/17
123.52.0.0/14
123.56.0.0/13
123.64.0.0/11
123.96.0.0/15
123.98.0.0/17
123.99.128.0/17
123.100.0.0/19
123.101.0.0/16
123.103.0.0/17
123.108.128.0/20
123.108.208.0/20
123.112.0.0/12
123.128.0.0/13
123.136.80.0/20
123.137.0.0/16
123.138.0.0/15
123.144.0.0/12
123.160.0.0/12
123.176.80.0/20
123.177.0.0/16
123.178.0.0/15
123.180.0.0/14
123.184.0.0/13
123.196.0.0/15
123.199.128.0/17
123.206.0.0/15
123.232.0.0/14
123.242.0.0/17
123.244.0.0/14
123.249.0.0/16
123.253.0.0/16
124.6.64.0/18
124.14.0.0/15
124.16.0.0/15
124.20.0.0/14
124.28.192.0/18
124.29.0.0/17
124.31.0.0/16
124.40.112.0/20
124.40.128.0/18
124.42.0.0/16
124.47.0.0/18
124.64.0.0/15
124.66.0.0/17
124.67.0.0/16
124.68.0.0/14
124.72.0.0/13
124.88.0.0/13
124.108.8.0/21
124.108.40.0/21
124.112.0.0/13
124.126.0.0/15
124.128.0.0/13
124.147.128.0/17
124.156.0.0/16
124.160.0.0/13
124.172.0.0/14
124.192.0.0/15
124.196.0.0/16
124.200.0.0/13
124.220.0.0/14
124.224.0.0/12
124.240.0.0/17
124.240.128.0/18
124.242.0.0/16
124.243.192.0/18
124.248.0.0/17
124.249.0.0/16
124.250.0.0/15
124.254.0.0/18
125.31.192.0/18
125.32.0.0/12
125.58.128.0/17
125.61.128.0/17
125.62.0.0/18
125.64.0.0/11
125.96.0.0/15
125.98.0.0/16
125.104.0.0/13
125.112.0.0/12
125.169.0.0/16
125.171.0.0/16
125.208.0.0/18
125.210.0.0/15
125.213.0.0/17
125.214.96.0/19
125.215.0.0/18
125.216.0.0/13
125.254.128.0/17
134.196.0.0/16
159.226.0.0/16
161.207.0.0/16
162.105.0.0/16
166.111.0.0/16
167.139.0.0/16
168.160.0.0/16
169.211.1.0/24
192.83.122.0/24
192.83.169.0/24
192.124.154.0/24
192.188.170.0/24
198.17.7.0/24
202.0.110.0/24
202.0.176.0/22
202.4.128.0/19
202.4.252.0/22
202.8.128.0/19
202.10.64.0/20
202.14.88.0/24
202.14.235.0/24
202.14.236.0/23
202.14.238.0/24
202.20.120.0/24
202.22.248.0/21
202.38.0.0/20
202.38.64.0/18
202.38.128.0/21
202.38.136.0/23
202.38.138.0/24
202.38.140.0/22
202.38.146.0/23
202.38.149.0/24
202.38.150.0/23
202.38.152.0/22
202.38.156.0/24
202.38.158.0/23
202.38.160.0/23
202.38.164.0/22
202.38.168.0/21
202.38.176.0/23
202.38.184.0/21
202.38.192.0/18
202.41.152.0/21
202.41.240.0/20
202.43.144.0/20
202.46.32.0/19
202.46.224.0/20
202.60.112.0/20
202.63.248.0/22
202.69.4.0/22
202.69.16.0/20
202.70.0.0/19
202.74.8.0/21
202.75.208.0/20
202.85.208.0/20
202.90.0.0/22
202.90.224.0/20
202.90.252.0/22
202.91.0.0/22
202.91.128.0/22
202.91.176.0/20
202.91.224.0/19
202.92.0.0/22
202.92.252.0/22
202.93.0.0/22
202.93.252.0/22
202.95.0.0/19
202.95.252.0/22
202.96.0.0/12
202.112.0.0/13
202.120.0.0/15
202.122.0.0/21
202.122.32.0/21
202.122.64.0/19
202.122.112.0/21
202.122.128.0/24
202.123.96.0/20
202.124.24.0/22
202.125.176.0/20
202.127.0.0/21
202.127.12.0/22
202.127.16.0/20
202.127.40.0/21
202.127.48.0/20
202.127.112.0/20
202.127.128.0/19
202.127.160.0/21
202.127.192.0/20
202.127.208.0/23
202.127.212.0/22
202.127.216.0/21
202.127.224.0/19
202.130.0.0/19
202.130.224.0/19
202.131.16.0/21
202.131.48.0/20
202.131.208.0/20
202.136.48.0/20
202.136.208.0/20
202.136.224.0/20
202.141.160.0/19
202.142.16.0/20
202.143.16.0/20
202.148.96.0/19
202.149.160.0/19
202.149.224.0/19
202.150.16.0/20
202.152.176.0/20
202.153.48.0/20
202.158.160.0/19
202.160.176.0/20
202.164.0.0/20
202.164.25.0/24
202.165.96.0/20
202.165.176.0/20
202.165.208.0/20
202.168.160.0/19
202.170.128.0/19
202.170.216.0/21
202.173.8.0/21
202.173.224.0/19
202.179.240.0/20
202.180.128.0/19
202.181.112.0/20
202.189.80.0/20
202.192.0.0/12
203.18.50.0/24
203.79.0.0/20
203.80.144.0/20
203.81.16.0/20
203.83.56.0/21
203.86.0.0/18
203.86.64.0/19
203.88.32.0/19
203.88.192.0/19
203.89.0.0/22
203.90.0.0/22
203.90.128.0/18
203.90.192.0/19
203.91.32.0/19
203.91.96.0/20
203.91.120.0/21
203.92.0.0/22
203.92.160.0/19
203.93.0.0/16
203.94.0.0/19
203.95.0.0/21
203.95.96.0/19
203.99.16.0/20
203.99.80.0/20
203.100.32.0/20
203.100.80.0/20
203.100.96.0/19
203.100.192.0/20
203.110.160.0/19
203.118.192.0/19
203.119.24.0/21
203.119.32.0/22
203.128.32.0/19
203.128.96.0/19
203.130.32.0/19
203.132.32.0/19
203.134.240.0/21
203.135.96.0/19
203.135.160.0/20
203.142.219.0/24
203.148.0.0/18
203.152.64.0/19
203.156.192.0/18
203.158.16.0/21
203.161.192.0/19
203.166.160.0/19
203.171.224.0/20
203.174.7.0/24
203.174.96.0/19
203.175.128.0/19
203.175.192.0/18
203.176.168.0/21
203.184.80.0/20
203.187.160.0/19
203.190.96.0/20
203.191.16.0/20
203.191.64.0/18
203.191.144.0/20
203.192.0.0/19
203.196.0.0/21
203.207.64.0/18
203.207.128.0/17
203.208.0.0/20
203.208.16.0/22
203.208.32.0/19
203.209.224.0/19
203.212.0.0/20
203.212.80.0/20
203.222.192.0/20
203.223.0.0/20
210.2.0.0/19
210.5.0.0/19
210.5.144.0/20
210.12.0.0/15
210.14.64.0/19
210.14.112.0/20
210.14.128.0/17
210.15.0.0/17
210.15.128.0/18
210.16.128.0/18
210.21.0.0/16
210.22.0.0/16
210.23.32.0/19
210.25.0.0/16
210.26.0.0/15
210.28.0.0/14
210.32.0.0/12
210.51.0.0/16
210.52.0.0/15
210.56.192.0/19
210.72.0.0/14
210.76.0.0/15
210.78.0.0/16
210.79.64.0/18
210.79.224.0/19
210.82.0.0/15
210.87.128.0/18
210.185.192.0/18
210.192.96.0/19
211.64.0.0/13
211.80.0.0/12
211.96.0.0/13
211.136.0.0/13
211.144.0.0/12
211.160.0.0/13
218.0.0.0/11
218.56.0.0/13
218.64.0.0/11
218.96.0.0/14
218.104.0.0/14
218.108.0.0/15
218.185.192.0/19
218.192.0.0/12
218.240.0.0/13
218.249.0.0/16
219.72.0.0/16
219.82.0.0/16
219.128.0.0/11
219.216.0.0/13
219.224.0.0/12
219.242.0.0/15
219.244.0.0/14
220.101.192.0/18
220.112.0.0/14
220.152.128.0/17
220.154.0.0/15
220.160.0.0/11
220.192.0.0/12
220.231.0.0/18
220.231.128.0/17
220.232.64.0/18
220.234.0.0/16
220.242.0.0/15
220.248.0.0/14
220.252.0.0/16
221.0.0.0/13
221.8.0.0/14
221.12.0.0/17
221.12.128.0/18
221.13.0.0/16
221.14.0.0/15
221.122.0.0/15
221.129.0.0/16
221.130.0.0/15
221.133.224.0/19
221.136.0.0/15
221.172.0.0/14
221.176.0.0/13
221.192.0.0/14
221.196.0.0/15
221.198.0.0/16
221.199.0.0/17
221.199.128.0/18
221.199.192.0/20
221.199.224.0/19
221.200.0.0/13
221.208.0.0/12
221.224.0.0/12
222.16.0.0/12
222.32.0.0/11
222.64.0.0/11
222.125.0.0/16
222.126.128.0/17
222.128.0.0/12
222.160.0.0/14
222.168.0.0/13
222.176.0.0/12
222.192.0.0/11
222.240.0.0/13
222.248.0.0/15

中国IP [一共 153500416 个IP， 691个IP段]

　　1990年以前，没有任何人能搜索互联网。

　　所有搜索引擎的祖先，是1990年由Montreal的McGill University学生Alan Emtage、Peter Deutsch、Bill Wheelan发明的Archie(Archie FAQ)。虽然当时World Wide Web还未出现，但网络中文件传输还是相当频繁的，由于大量的文件散布在各个分散的FTP主机中，查询起来非常不便，因此Alan Emtage等想到了开发一个可以用文件名查找文件的系统，于是便有了Archie。Archie是第一个自动索引互联网上匿名FTP网站文件的程序，但它还不是真正的搜索引擎。Archie是一个可搜索的FTP文件名列表，用户必须输入精确的文件名搜索，然后Archie会告诉用户哪一个FTP地址可以下载该文件。

　　由于Archie深受欢迎，受其启发，Nevada System Computing Services大学于1993年开发了一个Gopher(Gopher FAQ)搜索工具Veronica(Veronica FAQ)。Jughead是后来另一个Gopher搜索工具。

　　Robot(机器人)一词对编程者有特殊的意义。Computer Robot是指某个能以人类无法达到的速度不断重复执行某项任务的自动程序。由于专门用于检索信息的Robot程序象蜘蛛(spider)一样在网络间爬来爬去，因此，搜索引擎的Robot程序被称为spider(Spider FAQ)程序。世界上第一个Spider程序，是MIT Matthew Gray的World wide Web Wanderer，用于追踪互联网发展规模。刚开始它只用来统计互联网上的服务器数量，后来则发展为也能够捕获网址(URL)。

　　与Wanderer相对应，1993年10月Martijn Koster创建了ALIWEB(Martijn Koster Annouces the Availability of Aliweb)，它相当于Archie的HTTP版本。ALIWEB不使用网络搜寻Robot，如果网站主管们希望自己的网页被ALIWEB收录，需要自己提交每一个网页的简介索引信息，类似于后来大家熟知的Yahoo。

　　随着互联网的迅速发展，使得检索所有新出现的网页变得越来越困难，因此，在Wanderer基础上，一些编程者将传统的Spider程序工作原理作了些改进。其设想是，既然所有网页都可能有连向其他网站的链接，那么从一个网站开始，跟踪所有网页上的所有链接，就有可能检索整个互联网。到1993年底，一些基于此原理的搜索引擎开始纷纷涌现，其中最负盛名的三个是：Scotland的JumpStation、Colorado 大学Oliver McBryan的The World Wide Web Worm(First Mention of McBryan's World Wide Web Worm)、NASA的Repository-Based Software Engineering (RBSE) spider。JumpStation和WWW Worm只是以搜索工具在数据库中找到匹配信息的先后次序排列搜索结果，因此毫无信息关联度可言。而RBSE是第一个索引Html文件正文的搜索引擎，也是第一个在搜索结果排列中引入关键字串匹配程度概念的引擎。

　　Excite 的历史可以上溯到1993年2月，6个Stanford(斯坦福)大学生的想法是分析字词关系，以对互联网上的大量信息作更有效的检索。到1993年中，这已是一个完全投资项目Architext，他们还发布了一个供webmasters在自己网站上使用的搜索软件版本，后来被叫做Excite for Web Servers。(注：Excite后来曾以概念搜索闻名，2002年5月，被Infospace收购的Excite停止自己的搜索引擎，改用元搜索引擎Dogpile)

　　1994年1月，第一个既可搜索又可浏览的分类目录EINet Galaxy(Tradewave Galaxy)上线。除了网站搜索，它还支持Gopher和Telnet搜索。

　　1994年4月，Stanford University的两名博士生，美籍华人Jerry Yang(杨致远)和David Filo共同创办了Yahoo(Jerry Yang Alerts a Usenet group to the Yahoo Database ，1996年的Yahoo)。随着访问量和收录链接数的增长，Yahoo目录开始支持简单的数据库搜索。因为Yahoo!的数据是手工输入的，所以不能真正被归为搜索引擎，事实上只是一个可搜索的目录。Wanderer只抓取URL，但URL信息含量太小，很多信息难以单靠URL说清楚，搜索效率很低。Yahoo!中收录的网站，因为都附有简介信息，所以搜索效率明显提高。(注：Yahoo以后陆续使用Altavista、Inktomi、Google提供搜索引擎服务；2002年10月9日，Yahoo放弃自己的网站目录默认搜索，改为默认Google的搜索结果，成为一个真正的搜索引擎。)

　　1994年初，Washington大学CS学生Brian Pinkerton开始了他的小项目WebCrawler(Brian Pinkerton Announces the Availability of Webcrawler)。1994年4月20日，WebCrawler正式亮相时仅包含来自6000个服务器的内容。WebCrawler是互联网上第一个支持搜索文件全部文字的全文搜索引擎，在它之前，用户只能通过URL和摘要搜索，摘要一般来自人工评论或程序自动取正文的前100个字。(注：后来webcrawler陆续被AOL和Excite收购，现在和excite一样改用元搜索引擎Dogpile)

　　Lycos(Carnegie Mellon University Center for Machine Translation Announces Lycos )是搜索引擎史上又一个重要的进步。Carnegie Mellon University的Michael Mauldin将John Leavitt的spider程序接入到其索引程序中，创建了Lycos。1994年7月20日，数据量为54,000的Lycos正式发布。除了相关性排序外，Lycos还提供了前缀匹配和字符相近限制，Lycos第一个在搜索结果中使用了网页自动摘要，而最大的优势还是它远胜过其它搜索引擎的数据量：1994年8月--394,000 documents;1995年1月--1.5 million documents;1996年11月--over 60 million documents。(注：1999年4月，Lycos停止自己的Spider，改由Fast提供搜索引擎服务)

　　Infoseek(Steve Kirsch Announces Free Demos Of the Infoseek Search Engine)是另一个重要的搜索引擎，虽然公司声称1994年1月已创立，但直到年底它的搜索引擎才与公众见面。起初，Infoseek只是一个不起眼的搜索引擎，它沿袭Yahoo!和Lycos的概念，并没有什么独特的革新。但是它的发展史和后来受到的众口称赞证明，起初是否第一个登台并不总是很重要。Infoseek的友善用户界面、大量附加服务(such as UPS tracking, News, a directory, and the like) 使它声望日隆。而1995年12月与Netscape的战略性协议，使它成为一个强势搜索引擎：当用户点击Netscape浏览器上的搜索按钮时，弹出Infoseek的搜索服务，而此前由Yahoo!提供该服务。(注：Infoseek后来曾以相关性闻名，2001年2月，Infoseek停止了自己的搜索引擎，开始改用Overture的搜索结果)

　　1995年，一种新的搜索引擎形式出现了——元搜索引擎(A Meta Search Engine Roundup)。用户只需提交一次搜索请求，由元搜索引擎负责转换处理后提交给多个预先选定的独立搜索引擎，并将从各独立搜索引擎返回的所有查询结果，集中起来处理后再返回给用户。第一个元搜索引擎，是Washington大学硕士生 Eric Selberg 和 Oren Etzioni 的 Metacrawler。(注：元搜索引擎概念上好听，但搜索效果始终不理想，所以没有哪个元搜索引擎有过强势地位。)

　　DEC的AltaVista(2001年夏季起部分网友需通过p-roxy访问，无p-roxy可用qbseach单选altavista搜索，只能显示第一页搜索结果)是一个迟到者，1995年12月才登场亮相(AltaVista Public Beta Press Release )。但是，大量的创新功能使它迅速到达当时搜索引擎的顶峰。Altavista最突出的优势是它的速度(比较搞笑，设计altavista的目的，据说只是为了展示DEC Alpha芯片的强大运算能力)。

　　而Altavista的另一些新功能，则永远改变了搜索引擎的定义。

　　AltaVista是第一个支持自然语言搜索的搜索引擎，AltaVista是第一个实现高级搜索语法的搜索引擎(如AND, OR, NOT等)。用户可以用AltaVista搜索Newsgroups(新闻组)的内容并从互联网上获得文章，还可以搜索图片名称中的文字、搜索Titles、搜索Java applets、搜索ActiveX objects。AltaVista也声称是第一个支持用户自己向网页索引库提交或删除URL的搜索引擎，并能在24小时内上线。AltaVista最有趣的新功能之一，是搜索有链接指向某个URL的所有网站。在面向用户的界面上，AltaVista也作了大量革新。它在搜索框区域下放了“tips”以帮助用户更好的表达搜索式，这些小tip经常更新，这样，在搜索过几次以后，用户会看到很多他们可能从来不知道的的有趣功能。这系列功能，逐渐被其它搜索引擎广泛采用。1997年，AltaVista发布了一个图形演示系统LiveTopics，帮助用户从成千上万的搜索结果中找到想要的。

　　然后到来的是Inktomi。1995年9月26日，加州伯克利分校CS助教Eric Brewer、博士生Paul Gauthier创立了Inktomi(UC Berkeley Announces Inktomi)，1996年5月20日，Inktomi公司成立，强大的HotBot出现在世人面前。声称每天能抓取索引1千万页以上，所以有远超过其它搜索引擎的新内容。HotBot也大量运用cookie储存用户的个人搜索喜好设置。(注：Hotbot曾是随后几年最受欢迎的搜索引擎之一，后被Lycos收购)

　　Northernlight 公司于1995年9月成立于马萨诸塞州剑桥，1997年8月，Northernlight搜索引擎正式现身。它曾是拥有最大数据库的搜索引擎之一，它没有Stop Words，它有出色的Current News、7,100多出版物组成的Special Collection、良好的高级搜索语法，第一个支持对搜索结果进行简单的自动分类。(注：2002年1月16日，Northernlight公共搜索引擎关闭，随后被divine收购，但在Nlresearch，选中"World Wide Web only"，仍可使用Northernlight搜索引擎)

　　1998年10月之前，Google只是Stanford大学的一个小项目BackRub。1995年博士生Larry Page开始学习搜索引擎设计，于1997年9月15日注册了google.com的域名，1997年底，在Sergey Brin和Scott Hassan、Alan Steremberg的共同参与下，BachRub开始提供Demo。1999年2月，Google完成了从Alpha版到Beta版的蜕变。Google公司则把1998年9月27日认作自己的生日。

　　Google在Pagerank、动态摘要、网页快照、DailyRefresh、多文档格式支持、地图股票词典寻人等集成搜索、多语言支持、用户界面等功能上的革新，象Altavista一样，再一次永远改变了搜索引擎的定义。

　　在2000年中以前，Google虽然以搜索准确性备受赞誉，但因为数据库不如其它搜索引擎大，缺乏高级搜索语法，所以推广并不快。直到2000年中数据库升级后，又借被Yahoo选作搜索引擎的东风，才一飞冲天。

　　Fast(Alltheweb)公司创立于1997年，是挪威科技大学(NTNU)学术研究的副产品。1999年5月，发布了自己的搜索引擎AllTheWeb。Fast创立的目标是做世界上最大和最快的搜索引擎，几年来庶几近之。Fast(Alltheweb)的网页搜索可利用ODP自动分类，支持Flash和pdf搜索，支持多语言搜索，还提供新闻搜索、图像搜索、视频、MP3、和FTP搜索，拥有极其强大的高级搜索功能。

　　Teoma 起源于1998年Rutgers大学的一个项目。Apostolos Gerasoulis教授带领华裔Tao Yang教授等人创立Teoma于新泽西Piscataway，2001年春初次登场，2001年9月被提问式搜索引擎Ask Jeeves收购，2002年4月再次发布。Teoma的数据库目前仍偏小，但有两个出彩的功能：支持类似自动分类的Refine;同时提供专业链接目录的Resources。

　　Wisenut 由韩裔Yeogirl Yun创立。2001年春季发布Beta版，2001年9月5日发布正式版，2002年4月被分类目录提供商looksmart收购。wisenut也有两个出彩的功能：包含类似自动分类和相关检索词的WiseGuide;预览搜索结果的Sneak-a-Peek。

　　Gigablast 由前Infoseek工程师Matt Wells创立，2002年3月展示pre-beta版，2002年7月21日发布Beta版。Gigablast的数据库目前仍偏小，但也提供网页快照，一个特色功能是即时索引网页，你的网页刚提交它就能搜索(注：这个spammers的肉包子功能暂已关闭)。

　　Openfind 创立于1998年1月，其技术源自台湾中正大学吴升教授所领导的GAIS实验室。Openfind起先只做中文搜索引擎，曾经是最好的中文搜索引擎，鼎盛时期同时为三大著名门户新浪、奇摩、雅虎提供中文搜索引擎，但2000年后市场逐渐被Baidu和Google瓜分。2002年6月，Openfind重新发布基于GAIS30 Project的Openfind搜索引擎Beta版，推出多元排序(PolyRankTM)，宣布累计抓取网页35亿，开始进入英文搜索领域，此后技术升级明显加快。

　　北大天网 是国家"九五"重点科技攻关项目"中文编码和分布式中英文信息发现"的研究成果，由北大计算机系网络与分布式系统研究室开发，于1997年10月29日正式在CERNET上提供服务。2000年初成立天网搜索引擎新课题组，由国家973重点基础研究发展规划项目基金资助开发，收录网页约6000万，利用教育网优势，有强大的ftp搜索功能。

　　Baidu 2000年1月，两位北大校友，超链分析专利发明人、前Infoseek资深工程师李彦宏与好友徐勇(加州伯克利分校博士)在北京中关村创立了百度(Baidu)公司。2001年8月发布Baidu.com搜索引擎Beta版(此前Baidu只为其它门户网站搜狐新浪Tom等提供搜索引擎)，2001年10月22日正式发布Baidu搜索引擎，专注于中文搜索。Baidu搜索引擎的其它特色包括：网页快照、网页预览/预览全部网页、相关搜索词、错别字纠正提示、新闻搜索、Flash搜索、信息快递搜索。2002年3月闪电计划(Blitzen Project)开始后，技术升级明显加快。

二、搜索引擎原理

　　搜索引擎并不真正搜索互联网，它搜索的实际上是预先整理好的网页索引数据库。

　　搜索引擎，也不能真正理解网页上的内容，它只能机械的匹配网页上的文字。

　　真正意义上的搜索引擎，通常指的是收集了互联网上几千万到几十亿个网页并对网页中的每一个文字(即关键词)进行索引，建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候，所有在页面内容中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后，这些结果将按照与搜索关键词的相关度高低，依次排列。

　　现在的搜索引擎已普遍使用超链分析技术，除了分析索引网页本身的文字，还分析索引所有指向该网页的链接的URL、AnchorText、甚至链接周围的文字。所以，有时候，即使某个网页A中并没有某个词比如“恶魔撒旦”，但如果有别的网页B用链接“恶魔撒旦”指向这个网页A，那么用户搜索“恶魔撒旦”时也能找到网页A。而且，如果有越多网页(C、D、E、F……)用名为“恶魔撒旦”的链接指向这个网页A，或者给出这个链接的源网页(B、C、D、E、F……)越优秀，那么网页A在用户搜索“恶魔撒旦”时也会被认为更相关，排序也会越靠前。

　　搜索引擎的原理，可以看做三步：从互联网上抓取网页→建立索引数据库→在索引数据库中搜索排序。

　　从互联网上抓取网页

　　利用能够从互联网上自动收集网页的Spider系统程序，自动访问互联网，并沿着任何网页中的所有URL爬到其它网页，重复这过程，并把爬过的所有网页收集回来。

　　建立索引数据库

　　由分析索引系统程序对收集回来的网页进行分析，提取相关网页信息(包括网页所在URL、编码类型、页面内容包含的所有关键词、关键词位置、生成时间、大小、与其它网页的链接关系等)，根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面文字中及超链中每一个关键词的相关度(或重要性)，然后用这些相关信息建立网页索引数据库。

　　在索引数据库中搜索排序

　　当用户输入关键词搜索后，由搜索系统程序从网页索引数据库中找到符合该关键词的所有相关网页。因为所有相关网页针对该关键词的相关度早已算好，所以只需按照现成的相关度数值排序，相关度越高，排名越靠前。

　　最后，由页面生成系统将搜索结果的链接地址和页面内容摘要等内容组织起来返回给用户。

　　搜索引擎的Spider一般要定期重新访问所有网页(各搜索引擎的周期不同，可能是几天、几周或几月，也可能对不同重要性的网页有不同的更新频率)，更新网页索引数据库，以反映出网页文字的更新情况，增加新的网页信息，去除死链接，并根据网页文字和链接关系的变化重新排序。这样，网页的具体文字变化情况就会反映到用户查询的结果中。

　　互联网虽然只有一个，但各搜索引擎的能力和偏好不同，所以抓取的网页各不相同，排序算法也各不相同。大型搜索引擎的数据库储存了互联网上几千万至几十亿的网页索引，数据量达到几千G甚至几万G。但即使最大的搜索引擎建立超过二十亿网页的索引数据库，也只能占到互联网上普通网页的不到30%，不同搜索引擎之间的网页数据重叠率一般在70%以下。我们使用不同搜索引擎的重要原因，就是因为它们能分别搜索到不同的网页。而互联网上有更大量的网页，是搜索引擎无法抓取索引的，也是我们无法用搜索引擎搜索到的。

　　你心里应该有这个概念：搜索引擎只能搜到它网页索引数据库里储存的网页文字信息。你也应该有这个概念：如果搜索引擎的网页索引数据库里应该有而你没有搜出来，那是你的能力问题，学习搜索技巧可以大幅度提高你的搜索能力。

　　所有搜索引擎的祖先，是1990年由Montreal的McGill University学生Alan Emtage、Peter Deutsch、Bill Wheelan发明的Archie(Archie FAQ)。虽然当时World Wide Web还未出现，但网络中文件传输还是相当频繁的，由于大量的文件散布在各个分散的FTP主机中，查询起来非常不便，因此Alan Emtage等想到了开发一个可以用文件名查找文件的系统，于是便有了Archie。Archie是第一个自动索引互联网上匿名FTP网站文件的程序，但它还不是真正的搜索引擎。Archie是一个可搜索的FTP文件名列表，用户必须输入精确的文件名搜索，然后Archie会告诉用户哪一个FTP地址可以***该文件。

　　由于Archie深受欢迎，受其启发，Nevada System Computing Services大学于1993年开发了一个Gopher(Gopher FAQ)搜索工具Veronica(Veronica FAQ)。Jughead是后来另一个Gopher搜索工具。

　　Robot(机器人)一词对编程者有特殊的意义。Computer Robot是指某个能以人类无法达到的速度不断重复执行某项任务的自动程序。由于专门用于检索信息的Robot程序象蜘蛛(spider)一样在网络间爬来爬去，因此，搜索引擎的Robot程序被称为spider(Spider FAQ)程序。世界上第一个Spider程序，是MIT Matthew Gray的World wide Web Wanderer，用于追踪互联网发展规模。刚开始它只用来统计互联网上的服务器数量，后来则发展为也能够捕获网址(URL)。

　　与Wanderer相对应，1993年10月Martijn Koster创建了ALIWEB(Martijn Koster Annouces the Availability of Aliweb)，它相当于Archie的HTTP版本。ALIWEB不使用网络搜寻Robot，如果网站主管们希望自己的网页被ALIWEB收录，需要自己提交每一个网页的简介索引信息，类似于后来大家熟知的Yahoo。

　　随着互联网的迅速发展，使得检索所有新出现的网页变得越来越困难，因此，在Wanderer基础上，一些编程者将传统的Spider程序工作原理作了些改进。其设想是，既然所有网页都可能有连向其他网站的链接，那么从一个网站开始，跟踪所有网页上的所有链接，就有可能检索整个互联网。到1993年底，一些基于此原理的搜索引擎开始纷纷涌现，其中最负盛名的三个是：Scotland的JumpStation、Colorado 大学Oliver McBryan的The World Wide Web Worm(First Mention of McBryan's World Wide Web Worm)、NASA的Repository-Based Software Engineering (RBSE) spider。JumpStation和WWW Worm只是以搜索工具在数据库中找到匹配信息的先后次序排列搜索结果，因此毫无信息关联度可言。而RBSE是第一个索引Html文件正文的搜索引擎，也是第一个在搜索结果排列中引入关键字串匹配程度概念的引擎。

　　Excite 的历史可以上溯到1993年2月，6个Stanford(斯坦福)大学生的想法是分析字词关系，以对互联网上的大量信息作更有效的检索。到1993年中，这已是一个完全投资项目Architext，他们还发布了一个供webmasters在自己网站上使用的搜索软件版本，后来被叫做Excite for Web Servers。(注：Excite后来曾以概念搜索闻名，2002年5月，被Infospace收购的Excite停止自己的搜索引擎，改用元搜索引擎Dogpile)

　　1994年1月，第一个既可搜索又可浏览的分类目录EINet Galaxy(Tradewave Galaxy)上线。除了网站搜索，它还支持Gopher和Telnet搜索。

　　1994年4月，Stanford University的两名博士生，美籍华人Jerry Yang(杨致远)和David Filo共同创办了Yahoo(Jerry Yang Alerts a Usenet group to the Yahoo Database ，1996年的Yahoo)。随着访问量和收录链接数的增长，Yahoo目录开始支持简单的数据库搜索。因为Yahoo!的数据是手工输入的，所以不能真正被归为搜索引擎，事实上只是一个可搜索的目录。Wanderer只抓取URL，但URL信息含量太小，很多信息难以单靠URL说清楚，搜索效率很低。Yahoo!中收录的网站，因为都附有简介信息，所以搜索效率明显提高。(注：Yahoo以后陆续使用Altavista、Inktomi、Google提供搜索引擎服务)

　　1994年初，Washington大学CS学生Brian Pinkerton开始了他的小项目WebCrawler(Brian Pinkerton Announces the Availability of Webcrawler)。1994年4月20日，WebCrawler正式亮相时仅包含来自6000个服务器的内容。WebCrawler是互联网上第一个支持搜索文件全部文字的全文搜索引擎，在它之前，用户只能通过URL和摘要搜索，摘要一般来自人工评论或程序自动取正文的前100个字。(后来webcrawler陆续被AOL和Excite收购，现在和excite一样改用元搜索引擎Dogpile)

　　Lycos(Carnegie Mellon University Center for Machine Translation Announces Lycos )是搜索引擎史上又一个重要的进步。Carnegie Mellon University的Michael Mauldin将John Leavitt的spider程序接入到其索引程序中，创建了Lycos。1994年7月20日，数据量为54,000的Lycos正式发布。除了相关性排序外，Lycos还提供了前缀匹配和字符相近限制，Lycos第一个在搜索结果中使用了网页自动摘要，而最大的优势还是它远胜过其它搜索引擎的数据量：1994年8月--394,000 documents;1995年1月--1.5 million documents;1996年11月--over 60 million documents。(注：1999年4月，Lycos停止自己的Spider，改由Fast提供搜索引擎服务)

　　Infoseek(Steve Kirsch Announces Free Demos Of the Infoseek Search Engine)是另一个重要的搜索引擎，虽然公司声称1994年1月已创立，但直到年底它的搜索引擎才与公众见面。起初，Infoseek只是一个不起眼的搜索引擎，它沿袭Yahoo!和Lycos的概念，并没有什么独特的革新。但是它的发展史和后来受到的众口称赞证明，起初第一个登台并不总是很重要。Infoseek友善的用户界面、大量附加服务(such as UPS tracking, News, a directory, and the like) 使它声望日隆。而1995年12月与Netscape的战略性协议，使它成为一个强势搜索引擎：当用户点击Netscape浏览器上的搜索按钮时，弹出Infoseek的搜索服务，而此前由Yahoo!提供该服务。(注：Infoseek后来曾以相关性闻名，2001年2月，Infoseek停止了自己的搜索引擎，开始改用Overture的搜索结果)

　　1995年，一种新的搜索引擎形式出现了??元搜索引擎(A Meta Search Engine Roundup)。用户只需提交一次搜索请求，由元搜索引擎负责转换处理后提交给多个预先选定的独立搜索引擎，并将从各独立搜索引擎返回的所有查询结果，集中起来处理后再返回给用户。第一个元搜索引擎，是Washington大学硕士生 Eric Selberg 和 Oren Etzioni 的 Metacrawler。元搜索引擎概念上好听，但搜索效果始终不理想，所以没有哪个元搜索引擎有过强势地位。

　　DEC的AltaVista(2001年夏季起部分网友需通过p-roxy访问，无p-roxy可用qbseach单选altavista搜索，只能显示第一页搜索结果)是一个迟到者，1995年12月才登场亮相(AltaVista Public Beta Press Release )。但是，大量的创新功能使它迅速到达当时搜索引擎的顶峰。Altavista最突出的优势是它的速度(搜索引擎9238：比较搞笑，设计altavista的目的，据说只是为了展示DEC Alpha芯片的强大运算能力)。

　　而Altavista的另一些新功能，则永远改变了搜索引擎的定义。

　　AltaVista是第一个支持自然语言搜索的搜索引擎，AltaVista是第一个实现高级搜索语法的搜索引擎(如AND, OR, NOT等)。用户可以用AltaVista搜索Newsgroups(新闻组)的内容并从互联网上获得文章，还可以搜索图片名称中的文字、搜索Titles、搜索Java applets、搜索ActiveX objects。AltaVista也声称是第一个支持用户自己向网页索引库提交或删除URL的搜索引擎，并能在24小时内上线。AltaVista最有趣的新功能之一，是搜索有链接指向某个URL的所有网站。在面向用户的界面上，AltaVista也作了大量革新。它在搜索框区域下放了“tips”以帮助用户更好的表达搜索式，这些小tip经常更新，这样，在搜索过几次以后，用户会看到很多他们可能从来不知道的的有趣功能。这系列功能，逐渐被其它搜索引擎广泛采用。1997年，AltaVista发布了一个图形演示系统LiveTopics，帮助用户从成千上万的搜索结果中找到想要的。

　　然后到来的是HotBot。1995年9月26日，加州伯克利分校CS助教Eric Brewer、博士生Paul Gauthier创立了Inktomi(UC Berkeley Announces Inktomi)，1996年5月20日，Inktomi公司成立，强大的HotBot出现在世人面前。声称每天能抓取索引1千万页以上，所以有远超过其它搜索引擎的新内容。HotBot也大量运用cookie储存用户的个人搜索喜好设置。(Hotbot曾是随后几年最受欢迎的搜索引擎之一，后被Lycos收购)

　　Northernlight 公司于1995年9月成立于马萨诸塞州剑桥，1997年8月，Northernlight搜索引擎正式现身。它曾是拥有最大数据库的搜索引擎之一，它没有Stop Words，它有出色的Current News、7,100多出版物组成的Special Collection、良好的高级搜索语法，第一个支持对搜索结果进行简单的自动分类。(2002年1月16日，Northernlight公共搜索引擎关闭，随后被divine收购，但在Nlresearch，选中"World Wide Web only"，仍可使用Northernlight搜索引擎)

　　1998年10月之前，Google只是Stanford大学的一个小项目BackRub。1995年博士生Larry Page开始学习搜索引擎设计，于1997年9月15日注册了google.com的域名，1997年底，在Sergey Brin和Scott Hassan、Alan Steremberg的共同参与下，BachRub开始提供Demo。1999年2月，Google完成了从Alpha版到Beta版的蜕变。Google公司则把1998年9月27日认作自己的生日。

　　Google在Pagerank、动态摘要、网页快照、DailyRefresh、多文档格式支持、地图股票词典寻人等集成搜索、多语言支持、用户界面等功能上的革新，象Altavista一样，再一次永远改变了搜索引擎的定义。

　　在2000年中以前，Google虽然以搜索准确性备受赞誉，但因为数据库不如其它搜索引擎大，缺乏高级搜索语法，所以使用价值不是很高，推广并不快。直到2000年中数据库升级后，又借被Yahoo选作搜索引擎的东风，才一飞冲天。

　　Fast(Alltheweb)公司创立于1997年，是挪威科技大学(NTNU)学术研究的副产品。1999年5月，发布了自己的搜索引擎AllTheWeb。Fast创立的目标是做世界上最大和最快的搜索引擎，几年来庶几近之。Fast(Alltheweb)的网页搜索可利用ODP自动分类，支持Flash和pdf搜索，支持多语言搜索，还提供新闻搜索、图像搜索、视频、MP3、和FTP搜索，拥有极其强大的高级搜索功能。

　　Teoma 起源于1998年Rutgers大学的一个项目。Apostolos Gerasoulis教授带领华裔Tao Yang教授等人创立Teoma于新泽西Piscataway，2001年春初次登场，2001年9月被提问式搜索引擎Ask Jeeves收购，2002年4月再次发布。Teoma的数据库目前仍偏小，但有两个出彩的功能：支持类似自动分类的Refine;同时提供专业链接目录的Resources。

　　Wisenut 由韩裔Yeogirl Yun创立。2001年春季发布Beta版，2001年9月5日发布正式版，2002年4月被分类目录提供商looksmart收购。wisenut也有两个出彩的功能：包含类似自动分类和相关检索词的WiseGuide;预览搜索结果的Sneak-a-Peek。

　　Gigablast 由前Infoseek工程师Matt Wells创立，2002年3月展示pre-beta版，2002年7月21日发布Beta版。Gigablast的数据库目前仍偏小，但也提供网页快照，一个特色功能是即时索引网页，你的网页刚提交它就能搜索(注：这个spammers的肉包子功能暂已关闭)。

　　Openfind 创立于1998年1月，其技术源自台湾中正大学吴升教授所领导的GAIS实验室。Openfind起先只做中文搜索引擎，曾经是最好的中文搜索引擎，鼎盛时期同时为三大著名门户新浪、奇摩、雅虎提供中文搜索引擎，但2000年后市场逐渐被Baidu和Google瓜分。2002年6月，Openfind重新发布基于GAIS30 Project的Openfind搜索引擎Beta版，推出多元排序(PolyRankTM)，宣布累计抓取网页35亿，开始进入英文搜索领域，此后技术升级明显加快。

　　北大天网 是国家"九五"重点科技攻关项目"中文编码和分布式中英文信息发现"的研究成果，由北大计算机系网络与分布式系统研究室开发，于1997年10月29日正式在CERNET上提供服务。2000年初成立天网搜索引擎新课题组，由国家973重点基础研究发展规划项目基金资助开发，收录网页约6000万，利用教育网优势，有强大的ftp搜索功能。

　　Baidu 2000年1月，超链分析专利发明人、前Infoseek资深工程师李彦宏与好友徐勇(加州伯克利分校博士)在北京中关村创立了百度(Baidu)公司。2001年8月发布Baidu.com搜索引擎Beta版(此前Baidu只为其它门户网站搜狐新浪Tom等提供搜索引擎)，2001年10月22日正式发布Baidu搜索引擎。Baidu虽然只提供中文搜索，但目前收录中文网页超过9000万，可能是最大的的中文数据库。Baidu搜索引擎的其它特色包括：网页快照、网页预览/预览全部网页、相关搜索词、错别字纠正提示、新闻搜索、Flash搜索、信息快递搜索。2002年3月闪电计划(Blitzen Project)开始后，技术升级明显加快。

-----------------------------------------------------------------------------------------

　　百度：中国版Google 神话能走多远

　　中国搜索引擎公司百度8月5日在美国纳斯达克上市，发行价为27美元。当日盘中一度突破150美元，最后以122.54美元收盘，涨幅高达353.85%。百度的出色表现使之成为在美国上市的外国公司中，上市首日表现最好的一只股票。

　　多种利好助涨股价百度上市首日如此强劲的表现，主要有两方面的原因:

　　首先，是google 的示范效应。投资者经常将百度和Google 相提并论，认为该公司是中国版的Google 。有分析师认为，百度之所以受到如此追捧，是因为它结合了“中国”和“搜索”这两大热点。

　　全球最大的搜索服务提供商Google 上市发行价也不足一百美元，但上市一年以来股价已经超过三百美元，显示搜索市场有巨大潜力。而中国互联网的迅速普及，网民数量急剧膨胀，中国市场的广阔性已被国外投资者普遍看好。

　　其次，中国概念股的魅力。中国已经是世界上最大的电脑市场并拥有世界上第二大的上网人数，中国网民数已经突破1亿。百度在这一市场占有很大的份额。加上人民币升值，国外投资者普遍看好中国，看好搜索市场，因此百度才会受到了投资者的偏爱。

　　创业之路回顾百度的发展史，公司和盛大类似，也是把握了互联网产业快速发展的时机，并找到了适合自身的快速发展途径。

　　百度于1999年底成立于美国硅谷，它的创始人，百度公司总裁李彦宏是资深信息检索技术专家、超链分析专利的唯一持有人。

　　百度创立初，公司选择了与其他专业搜索引擎略有区别的商业模式:即和门户网站合作，百度按照搜索访问量分成，这种付费模式在当时颇受门户网站的欢迎，包括新浪、网易在内的各大门户网站都采用了百度提供的服务。

　　但这种模式很快显示了局限性。门户网站数量的有限性决定了其需求的有限性。2001年初，李彦宏借用了Overtu r e 的“付费排名”搜索引擎商业模式，客户通过购买关键字并进行竞价，决定其在搜索结果中排名的先后，并通过上下文内容分析技术，将广告同时投放于其他顶尖级搜索引擎，与这些合作伙伴共同分享利益。2002至2003年，竞价排名迅速成为百度主要收入来源，2004年百度80%收入来自竞价排名。

　　目前百度是浏览量中国第二、世界第六的网站。数据显示，中国网络用户有48%的搜索请求是通过百度完成的，因此百度有全球最大中文搜索引擎之称。艾瑞咨询数据显示:2004年中国搜索引擎行业市场规模为12.5亿元，其中搜索引擎运营商收入规模为6.35亿，渠道代理商收入为6.2亿元，而百度占据了中国搜索引擎运营商收入市场份额的28%。独特的商业模式的成功，使百度迅速成为中文搜索引擎的老大。

　　由于中文的复杂性，百度的搜索技术非常复杂，公司开发了特殊的语言处理技术来处理相似搜索结果。截至到目前，百度已经链接了6.9亿页网页，8000万张图片以及1000万个媒体文件。它还包括新闻、贴吧和其他内容。

　　市盈率之忧对百度来说，首日上市的优异表现是良好的开端。但“良好的开端是成功的一半”，海外资本市场并非坦途。从新浪、网易等先行者身上可以发现，其股价表现并不乏大起大落之先例，以网易为例，2001年一度到达0.51美元最低价。资本的残酷逐利性决定了一家企业一旦未能达到华尔街的预期，股价出现暴跌极为正常。

　　百度上市首日的优异表现，股价的迅速拔高，已经迅速使市盈率水平脱离了市场平均水平。这成为今后股价表现之隐忧，一旦公司成长性跟不上市场预期，即有可能导致股价水平的迅速回落。

　　百度2004年的利润为1200万元，收入为1.11亿元，2003年则亏损890万元。05年第一季度的盈利猛增了140%，达到250万元。根据百度在招股说明书中公布的财务数据，百度股票发行价的市盈率达到540倍，周五收盘价的市盈率达到2450.8倍，颇为惊人。作为对比数据，Google 市盈率8月6日为85.66倍。在纳斯达克上市的其他兄弟网络概念股的市盈率也基本在30-50倍之间。即使百度仍然保持原200%以上的业绩增幅，其目前股价仍然有高估之嫌。

　　此外，百度在搜索领域并非无敌手，Google 对中国市场窥视已久，对百度的虎视眈眈也是路人皆知，Google 目前持有百度2.6%的股份，其进入中国市场选择并购还是单独发展，后续事态发展将影响到百度的市场表现。虽然中文搜索的复杂性以及本土文化的适应性，使国外资本想占领中国市场并非易事，但其资本实力雄厚，加上品牌优势，仍不可小视。

　　而对于百度的重要利润来源“竞价排名”也已经有质疑之声出现，这种以出价高低决定搜索排名的商业模式有损于搜索引擎保持公正客观。信息干扰的出现，将使网民对搜索的依赖程度降低。而百度目前的MP3、图片、***搜索等服务也面临版权的法律纠纷，虽然不足以影响百度大局，但对于百度其他商业模式的推广仍然带来一定障碍。

————————————————————————————————

百度词典搜索
http://www.baidu.com/search/dict.html

————————————————————————————————
百度和google中文搜索比较：

优点：
1、收录的网页要比google多。且不完全相同，可以互补。
2、可以使用快照。
3、不会象google一样不时出点问题，网页无法打开。
4、可以搜索特定符号如：《》，『』等。
5、可以对整句智能分词，进行搜索。

缺点：
1、语法简单些，怪些，没有google语法熟悉。
2、搜索结果受到人工干涉。

———————————————————————————————
中文搜索引擎技术揭密：中文分词

　　信息的飞速增长，使搜索引擎成为人们查找信息的首选工具，Google、百度、中国搜索等大型搜索引擎一直是人们讨论的话题。随着搜索市场价值的不断增加，越来越多的公司开发出自己的搜索引擎，阿里巴巴的商机搜索、8848的购物搜索等也陆续面世，自然，搜索引擎技术也成为技术人员关注的热点。

　　搜索引擎技术的研究，国外比中国要早近十年，从最早的Archie，到后来的Excite，以及altista、oerture、google等搜索引擎面世，搜索引擎发展至今，已经有十几年的历史，而国内开始研究搜索引擎是在上世纪末本世纪初。在许多领域，都是国外的产品和技术一统天下，特别是当某种技术在国外研究多年而国内才开始的情况下。例如操作系统、字处理软件、浏览器等等，但搜索引擎却是个例外。虽然在国外搜索引擎技术早就开始研究，但在国内还是陆续涌现出优秀的搜索引擎，像百度(http://www.baidu.com)、中搜(http://www.zhongsou.com)等。目前在中文搜索引擎领域，国内的搜索引擎已经和国外的搜索引擎效果上相差不远。之所以能形成这样的局面，有一个重要的原因就在于中文和英文两种语言自身的书写方式不同，这其中对于计算机涉及的技术就是中文分词。

什么是中文分词

　　众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子I am a student，用中文则为：“我是一个学生”。计算机可以很简单通过空格知道student是一个单词，但是不能很容易明白“学”、“生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。我是一个学生，分词的结果是：我 是 一个 学生。

中文分词和搜索引擎

　　中文分词到底对搜索引擎有多大影响?对于搜索引擎来说，最重要的并不是找到所有结果，因为在上百亿的网页中找到所有结果没有太多的意义，没有人能看得完，最重要的是把最相关的结果排在最前面，这也称为相关度排序。中文分词的准确与否，常常直接影响到对搜索结果的相关度排序。笔者最近替朋友找一些关于日本和服的资料，在搜索引擎上输入“和服”，得到的结果就发现了很多问题。下面就以这个例子来说明分词对搜索结果的影响，在现有三个中文搜索引擎上做测试，测试方法是直接在Google(http://www.google.com)、百度(http://www.baidu.com)、中搜(http://www.zhongsou.com)上以“和服”为关键词进行搜索：

　　在Google上输入“和服”搜索所有中文简体网页，总共结果507,000条，前20条结果中有14条与和服一点关系都没有。在第一页就有以下错误：

　　“通信信息报：瑞星以技术和服务开拓网络安全市场”

　　“使用纯HTML的通用数据管理和服务- 开发者- ZDNet ...”

　　“陈慧琳《心口不一》化妆和服装自己包办”

　　“::外交部：中国境外领事保护和服务指南(2003年版) ...”

　　“产品和服务”

　　等等。第一页只有三篇是真正在讲“和服”的结果。

　　在百度上输入“和服”搜索网页，总共结果为287,000条，前20条结果中有6条与和服一点关系都没有。在第一页有以下错误：

　　“福建省晋江市恒和服装有限公司系独资企业”

　　“关于商品和服务实行明码标价的规定”

　　“青岛东和服装设备”

　　在中搜上输入“和服”搜索网页，总共结果为26,917条，前20条结果都是与和服相关的网页。

　　这次搜索引擎结果中的错误，就是由于分词的不准确所造成的。通过笔者的了解，Google的中文分词技术采用的是美国一家名叫Basis Technology(http://www.basistech.com)的公司提供的中文分词技术，百度使用的是自己公司开发的分词技术，中搜使用的是国内海量科技(http://www.hylanda.com)提供的分词技术。由此可见，中文分词的准确度，对搜索引擎结果相关性和准确性有相当大的关系。

中文分词技术

　　中文分词技术属于自然语言处理技术范畴，对于一句话，人可以通过自己的知识来明白哪些是词，哪些不是词，但如何让计算机也能理解?其处理过程就是分词算法。

　　现有的分词算法可分为三大类：基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法。

1、基于字符串匹配的分词方法

　　这种方法又叫做机械分词方法，它是按照一定的策略将待分析的汉字串与一个“充分大的”机器词典中的词条进行配，若在词典中找到某个字符串，则匹配成功(识别出一个词)。按照扫描方向的不同，串匹配分词方法可以分为正向匹配和逆向匹配;按照不同长度优先匹配的情况，可以分为最大(最长)匹配和最小(最短)匹配;按照是否与词性标注过程相结合，又可以分为单纯分词方法和分词与标注相结合的一体化方法。常用的几种机械分词方法如下：

1）正向最大匹配法（由左到右的方向）；

2）逆向最大匹配法（由右到左的方向）；

3）最少切分（使每一句中切出的词数最小）。

　　还可以将上述各种方法相互组合，例如，可以将正向最大匹配方法和逆向最大匹配方法结合起来构成双向匹配法。由于汉语单字成词的特点，正向最小匹配和逆向最小匹配一般很少使用。一般说来，逆向匹配的切分精度略高于正向匹配，遇到的歧义现象也较少。统计结果表明，单纯使用正向最大匹配的错误率为1/169，单纯使用逆向最大匹配的错误率为1/245。但这种精度还远远不能满足实际的需要。实际使用的分词系统，都是把机械分词作为一种初分手段，还需通过利用各种其它的语言信息来进一步提高切分的准确率。

　　一种方法是改进扫描方式，称为特征扫描或标志切分，优先在待分析字符串中识别和切分出一些带有明显特征的词，以这些词作为断点，可将原字符串分为较小的串再来进机械分词，从而减少匹配的错误率。另一种方法是将分词和词类标注结合起来，利用丰富的词类信息对分词决策提供帮助，并且在标注过程中又反过来对分词结果进行检验、调整，从而极大地提高切分的准确率。

　　对于机械分词方法，可以建立一个一般的模型，在这方面有专业的学术论文，这里不做详细论述。

2、基于理解的分词方法

　　这种分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。由于汉语语言知识的笼统、复杂性，难以将各种语言信息组织成机器可直接读取的形式，因此目前基于理解的分词系统还处在试验阶段。

3、基于统计的分词方法

　　从形式上看，词是稳定的字的组合，因此在上下文中，相邻的字同时出现的次数越多，就越有可能构成一个词。因此字与字相邻共现的频率或概率能够较好的反映成词的可信度。可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息。定义两个字的互现信息，计算两个汉字X、Y的相邻共现概率。互现信息体现了汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计，不需要切分词典，因而又叫做无词典分词法或统计取词方法。但这种方法也有一定的局限性，会经常抽出一些共现频度高、但并不是词的常用字组，例如“这一”、“之一”、“有的”、“我的”、“许多的”等，并且对常用词的识别精度差，时空开销大。实际应用的统计分词系统都要使用一部基本的分词词典(常用词词典)进行串匹配分词，同时使用统计方法识别一些新的词，即将串频统计和串匹配结合起来，既发挥匹配分词切分速度快、效率高的特点，又利用了无词典分词结合上下文识别生词、自动消除歧义的优点。

　　到底哪种分词算法的准确度更高，目前并无定论。对于任何一个成熟的分词系统来说，不可能单独依靠某一种算法来实现，都需要综合不同的算法。笔者了解，海量科技的分词算法就采用“复方分词法”，所谓复方，相当于用中药中的复方概念，即用不同的药才综合起来去医治疾病，同样，对于中文词的识别，需要多种算法来处理不同的问题。

分词中的难题

　　有了成熟的分词算法，是否就能容易的解决中文分词的问题呢?事实远非如此。中文是一种十分复杂的语言，让计算机理解中文语言更是困难。在中文分词过程中，有两大难题一直没有完全突破。

1、歧义识别

　　歧义是指同样的一句话，可能有两种或者更多的切分方法。例如：表面的，因为“表面”和“面的”都是词，那么这个短语就可以分成“表面 的”和“表 面的”。这种称为交叉歧义。像这种交叉歧义十分常见，前面举的“和服”的例子，其实就是因为交叉歧义引起的错误。“化妆和服装”可以分成“化妆 和 服装”或者“化妆 和服 装”。由于没有人的知识去理解，计算机很难知道到底哪个方案正确。

　　交叉歧义相对组合歧义来说是还算比较容易处理，组合歧义就必需根据整个句子来判断了。例如，在句子“这个门把手坏了”中，“把手”是个词，但在句子“请把手拿开”中，“把手”就不是一个词;在句子“将军任命了一名中将”中，“中将”是个词，但在句子“产量三年中将增长两倍”中，“中将”就不再是词。这些词计算机又如何去识别?

　　如果交叉歧义和组合歧义计算机都能解决的话，在歧义中还有一个难题，是真歧义。真歧义意思是给出一句话，由人去判断也不知道哪个应该是词，哪个应该不是词。例如：“乒乓球拍卖完了”，可以切分成“乒乓 球拍 卖 完 了”、也可切分成“乒乓球 拍卖 完 了”，如果没有上下文其他的句子，恐怕谁也不知道“拍卖”在这里算不算一个词。

2、新词识别

　　新词，专业术语称为未登录词。也就是那些在字典中都没有收录过，但又确实能称为词的那些词。最典型的是人名，人可以很容易理解句子“王军虎去广州了”中，“王军虎”是个词，因为是一个人的名字，但要是让计算机去识别就困难了。如果把“王军虎”做为一个词收录到字典中去，全世界有那么多名字，而且每时每刻都有新增的人名，收录这些人名本身就是一项巨大的工程。即使这项工作可以完成，还是会存在问题，例如：在句子“王军虎头虎脑的”中，“王军虎”还能不能算词?

　　新词中除了人名以外，还有机构名、地名、产品名、商标名、简称、省略语等都是很难处理的问题，而且这些又正好是人们经常使用的词，因此对于搜索引擎来说，分词系统中的新词识别十分重要。目前新词识别准确率已经成为评价一个分词系统好坏的重要标志之一。

中文分词的应用

　　目前在自然语言处理技术中，中文处理技术比西文处理技术要落后很大一段距离，许多西文的处理方法中文不能直接采用，就是因为中文必需有分词这道工序。中文分词是其他中文信息处理的基础，搜索引擎只是中文分词的一个应用。其他的比如机器翻译(MT)、语音合成、自动分类、自动摘要、自动校对等等，都需要用到分词。因为中文需要分词，可能会影响一些研究，但同时也为一些企业带来机会，因为国外的计算机处理技术要想进入中国市场，首先也是要解决中文分词问题。在中文研究方面，相比外国人来说，中国人有十分明显的优势。

　　分词准确性对搜索引擎来说十分重要，但如果分词速度太慢，即使准确性再高，对于搜索引擎来说也是不可用的，因为搜索引擎需要处理数以亿计的网页，如果分词耗用的时间过长，会严重影响搜索引擎内容更新的速度。因此对于搜索引擎来说，分词的准确性和速度，二者都需要达到很高的要求。目前研究中文分词的大多是科研院校，清华、北大、中科院、北京语言学院、东北大学、IBM研究院、微软中国研究院等都有自己的研究队伍，而真正专业研究中文分词的商业公司除了海量科技以外，几乎没有了。科研院校研究的技术，大部分不能很快产品化，而一个专业公司的力量毕竟有限，看来中文分词技术要想更好的服务于更多的产品，还有很长一段路。

————————————————————————————————————

搜索引擎发展史与百度
http://hi.baidu.com/huangyongliang/blog/item/444110085dc6addb62d98613.html

百度domain语法详解

1.引子
随便输入一个域名(不必完整) ，如emuch.net，出现如下信息：
“如果您在寻找包含“emuch.net”的所有网页, 请点击这里 ”。点击后，搜索框中是“domain:emuch.net”。
domain:emuch.net 找到相关网页约6,660篇

2. 规则
A. domain:语法就是搜索含有domain后面字符(不一定是超链接)的网页。domain:A 搜索包含A的页面.A一般是域名,也可以是数字,或者是url。
domain:www.9238.net 找到相关网页212篇
domain:202.38.74.15 找到相关网页7篇
domain:www.9238.net/searchengine.htm 找到相关网页2篇

B. domain:后边跟的冒号英文的“:”，中文的全角冒号“：”都可以。
domain:www.9238.net （中文冒号） 找到相关网页212篇
domain:www.9238.net （英文冒号） 找到相关网页212篇

C. 加不加前缀http和www，对搜索结果大有影响,后缀/加不加无所谓。
domain:http://www.9238.net 找到相关网页202篇
domain:9238.net 找到相关网页5篇
domain:9238.net/ 找到相关网页5篇

D. domain：后有无空格均可
domain: www.9238.net 找到相关网页212篇

E. 可以和关键词连用 既可以在“domain: 前，也可以在“domain: 后，搜索结果是一样的但是不管谁前谁后，关键词和“domain: ”之间必须空一格
对于“domain: “搜索，关键词一样可以是多个，多个关键词之间以空格隔开。
domain:www.9238.net 搜索 找到相关网页200篇
搜索 domain:www.9238.net 找到相关网页200篇
搜索 引擎 domain:www.9238.net 找到相关网页69篇

F. 支持与其他复杂搜索语法混用，各语法和关键词之间空一格。
site:com domain:www.9238.net 找到相关网页110篇
inurl:com domain:www.9238.net 找到相关网页117篇
intitle:9238 domain:www.9238.net 找到相关网页2篇

3.运用
讲完了规则，我们该怎么用呢？ 很简单，出现密码的地方，也很可能出现该数据库的域名或ip地址。
我们可以构造如下检索式
cnki 密码|口令 domain:www.cnki.net
domain:www.wanfangdata.com.cn 用户 口令

1. <?php
3. require_once (dirname(__FILE__) . "/include/common.inc.php";
5. $row = $dsql->GetOne("Select uptime From `#@__arccache` where md5hash = 'autonew';";
7. if(!is_array($row)) exit(autonew(5));
9. if(time() - $row['uptime'] < $cfg_index_cache ) exit();
11. autonew($no,$typeid,$order);
13. //修改此处，可以设置每次自动审核的数量，$no为数字，$typeid为栏目ID，$order为排序方式
14. function autonew($no='',$typeid='',$order=''){

16.         //函数参数：$no为数字，$typeid为栏目ID，$order为排序

            global $dsql,$cfg_index_cache;

18. $no = is_numeric($no) ? intval($no) : 5;
20. $order = (!$order == 'desc' && !$order == 'asc') ? ' order by rand() ' : " order by id $order ";
22. $type = (is_numeric($typeid)) ? " and typeid = $typeid " : '';
24. $sql = "SELECT id FROM `#@__archives` where arcrank ='-1' $type $order limit $no ;";
26. $dsql->SetQuery($sql);
28. $dsql->Execute();
30. while($row = $dsql->GetArray()){
32. $id = $row['id'];
34. $time = time() - rand(0,$cfg_index_cache * 10);
36. $dsql->ExecuteNoneQuery("Update `#@__arctiny` set `arcrank`='0', `sortrank`='$time' where id = '$id';";
38. $dsql->ExecuteNoneQuery("Update `#@__archives` set `arcrank`='0', `sortrank`='$time', `pubdate`='$time' where id = '$id';";
40. }
42. $dsql->ExecuteNoneQuery("Delete from `#@__arccache`;";
44. $dsql->ExecuteNoneQuery("INSERT INTO `#@__arccache`(md5hash,uptime)values('autonew',".time().";";
46. }
48. ?>

想必大家都用dede自带的采集插件或者火车采集了大量的数据。

如果我们把数据以草稿的形式入库，然后定期审核，不久实现了网站的无人自动化更新了么？

把以上代码保存为new.php，上传到你dedecms安装的根目录下。然后在你网站的模板里以script的方式调用这个页面，就可以实现无人自动化更新的效果

调用代码：

批量自动审核的时间周期在后台设置方法：系统基本参数—性能选项—arclist标签调用缓存,如果设置为3600，就代表一小时审核一次

注意几个参数：
no=10，意思为每次审核10篇文章
order=desc，（rand，id）这个好像是按什么方式审核。
typeid=2 意思是审核哪个栏目的文章。栏目的id可以在后台查看


但是唯一的缺憾是只能审核，不能生成html