深度优先搜索策略
原创：http://www.qicheng.org/
搜索引擎蜘蛛在抓取网页的时候，一般有两种搜索策略：广度优先搜索策略和深度优先搜索策略。
深度优先搜索策略是指网络蜘蛛会从起始页开始，一个链接一个链接跟踪下去，处理完这条线路之后再转入下一个起始页，继续跟踪链接。
优点：网络蜘蛛在设计的时候比较容易；
缺点：不适合大数据量的网站的使用，更加不适合未来搜索引擎的使用；
深度优先搜索是一种在开发爬虫早期使用较多的方法。它的目的是要达到被搜索结构的叶结点(即那些不包含任何超链的HTML文件) 。在一个HTML文件中，当一个超链被选择后，被链接的HTML文件将执行深度优先搜索，即在搜索其余的超链结果之前必须先完整地搜索单独的一条链。深度优先搜索沿着HTML文件上的超链走到不能再深入为止，然后返回到某一个HTML文件，再继续选择该HTML文件中的其他超链。当不再有其他超链可选择时，说明搜索已经结束。优点是能遍历一个Web 站点或深层嵌套的文档集合；缺点是因为Web结构相当深,，有可能造成一旦进去，再也出不来的情况发生。
如果我们从A点发起深度优先搜索（以下的访问次序并不是唯一的，第二个点既可以是B也可以是C、D），则我们可能得到如下的一个访问过程：A->B->E（没有路了，回溯到A）->C->F->H->G->D（没有路，最终回溯到A，A也没有未访问的相邻节点，本次搜索结束）。
深度优先搜索的特点：每次深度优先搜索的结果必然是图的一个连通分量。深度优先搜索可以从多点发起，如果将每个节点在深度优先搜索过程中的“结束时间”排序（具体做法是创建一个list，然后在每个节点的相邻节点都已被访问的情况下，将该节点加入list结尾，然后逆转整个链表），则我们可以得到所谓的“拓扑排序：，即topological sort。
当然，当人们刚刚掌握深度优先搜索的时候，常常用它来走迷宫。事实上，我们还有别的方法，那就是广度优先搜索(BFS)状态（state)：状态是制问题求解过程中每一步的状况。广度优先搜索策略，大家可以参考文章“广度优先搜索策略”。
启程官方（www.qicheng.org）可能谈了那么久，大家对于搜索引擎蜘蛛的概念还比较模糊，如果是的话，建议大家先阅览文章“搜索引擎蜘蛛”，在了解了深度优先搜索策略之后，您是不是对于搜索引擎有了新的认识，对于SEO有了新的看法？不会对于SEO的概念还是模糊吧？什么是SEO？还需要再看看吗？再看看吧……
文章来源:http://www.qicheng.org/seo/depth-first-search-traversal.html
转载请注明版权:SEO 浏览更多SEO文档，请关注青岛网站优化、青岛网站推广服务团队。
版权所有。转载时必须以链接形式注明文章原始出处！