谷歌數據集搜索
A. 如何查看谷歌等搜索引擎索引的網頁數量谷歌現在索引的網頁有多少了
Google使用兩個探測器來抓取網站上的內容：Freshbot和Deepbot。深度探測器(Deepbot)每月出擊一次，受訪內容在Google的主要索引之中。刷新探測器(Freshbot)是持續不斷地發現新的內容，例如新的網站、論壇、博客等。看起來，Google是發現了一個新的網頁，之後再頻繁地再訪，來看看是否還有什麼新的更新。如果有，這個新網站就會被加入到刷新探測器的名單中進行訪問。
刷新探測器取得的結果是匯總在一個單獨的資料庫里。每一次刷新探測器進行新的一輪循環的時候都被重寫。刷新探測器和Google的主要索引是合在一起提供搜索結果的。
Google的操作模式
收集---->采編/索引---->反饋的工作程序。事實上，搜索引擎包括以下幾個元素。
·抓取狀態：搜索引擎派出探測器到互聯網上不知疲倦地搜集網頁。
·網頁倉庫：搜索來的網頁要集中在一個地方存儲，等候索引處理。
·索引整理：將網頁分門別類，進行壓縮，等候進行索引編類，而未壓縮的原始網頁資料被刪除掉。
·索引狀態：將壓縮後的網頁編目在不同的索引之下。
·問詢狀態：將用戶問詢所用的白話轉換成搜索引擎讀的懂的計算機語言，來咨詢各個索引求得相關答案。
·排名狀態：搜索引擎將相關答案根據一定的標准以列表的形式排列給用戶。搜索引擎認為最好的答案被推薦在首位，較次的排列隨後，以此類推。
SEO是逆向搜索推理
網站首先要知道搜索引擎是怎樣判定網站質量的，這個揣度搜索引擎的過程是逆向推理。這個逆向推理是從搜索引擎的搜索排名開始，去探索究竟搜索引擎會將一些網站排列在搜索結果的前列，為什麼一些網站連顯示的機會都沒有。最後推理出的結論是知道搜索引擎判定和排名網站存在著哪些普遍規律，進而知道網站的設計和推廣中哪些是應該做的，哪些是不應該做的。
Google的PageRank(PR)
PageRank並非是「頁面等級」，而是「佩奇等級」。因為這里的Page指的是Google的創始人之一拉里·佩奇(LarryPage)，從名字可以看出有的人天生就是為互聯網而存在。
公式
PR(A)=(1-d)+d(PR(Ti)/C(Ti)++PR(Tn)/C(Tn))
PR(A)：網頁A的佩奇等級(PR)
PR(Ti)：鏈接網頁A的網頁Ti的佩奇等級(PR)。i可以是0-n，n是鏈接的總數。這個鏈接可以是來自任何網站的導入鏈接
C(Ti)：網頁Ti往其他網站鏈接的數量(導出鏈接)
d：阻尼系數，介於0-1之間，Google設為0.85。
可以看出，網頁A的PR是由鏈接它的其他網頁Ti所決定的。如果在網頁Ti中有一個鏈接指向網頁A，那麼A就得到了一個「投票」。但是如果網頁Ti中的導出鏈接如果越多，點擊指向A的可能性就越小。所以網頁Ti的PR只需要用C(Ti)來加權平均。
當然，決定網站排名的不僅僅是PR值，還有其他的因素。但是PR在google判斷網站質量中起著很重要的作用。
B. iPhone把谷歌設為默認搜索，到底是怎麼回事
外媒體報道，在上個月的一次演講中，蘋果CEO蒂姆·庫克曾暗批谷歌、版Facebook等大型科技公司對用戶隱私權保護不力，批評這些公司利用用戶數據賺錢，但略顯諷刺意味的是，蘋果還是在同這些在用戶隱私方面與自己觀念背道而馳的公司合作，每年還接受谷歌的數十億美元，將其設為iOS系統的默認搜索引擎，而庫克在周日的采訪中，也對將谷歌設為默認搜索引擎一事進行了解釋。
庫克還進一步提到了他們在阻止其他公司搜集用戶數據方面所採取的行動，他表示他們有無痕網頁瀏覽，有智能防追蹤工具，他們也在想辦法幫助用戶。
C. 想要用谷歌搜索學術資料怎麼辦
很多人用梯子，不過麻煩並且不穩定，可以下載威行瀏覽器。
D. 利用Google搜索引擎檢索出來的資料往往數量太多，採用那些方法可以使檢出的結果集中一些
採用google給的高級搜索，盡量框定你的目標范圍，不過要解決你說的問題的話，目前的技術好像還沒辦法做到，這是搜索引擎的通病
E. 如何查看在Google地圖中搜索到的全部結果
看到下面翻頁的地方有一個「下一頁」了嗎？點一下增加一頁
F. 怎樣清楚chrome里有些頁面的搜索記錄
1、首先我們打開我們常用的谷歌瀏覽器
G. Google 和百度主要用什麼資料庫
由於基於關來鍵詞的數據特源性和數據量巨大這些原因 關系型資料庫是不適用的
搜索引擎公司都使用自己的數據存儲形式和檢索形式, 用於適應搜索引擎涉及到的數據特性, 而不是通用的關系型資料庫解決方案, 可以簡單認為是設計了一個獨立的資料庫系統, 其實就是通常說的搜索引擎索引系統. google 98論文裡面有簡單的介紹其索引的形式, 可參考譯文里的"4.2 主要的數據結構"http://article.yeeyan.org/view/yangxiao/1347
在這層數據存儲形式之下, 還進一步延伸出分布式的存儲系統(當然非分布式的也可以用)
H. 如何用 GOOGLE 或者 BAIDU搜索指定網站資源!
在GOOGLE 或者 BAIDU中輸入命令，site命令語法格式有兩種：
1、site:網址 關鍵詞 例如：site:tieba..comPPT素材
2、關鍵詞 site:網址 例如：PPT素材site:tieba..com
注意事項：
一、「site」後面是英文冒號；
二、網址域名前面不帶「http://」，後面不帶斜杠「/」，注意有和沒有「www」的搜索結果是不一樣的；
三、「site：」和網址之間不要有空格；
四、關鍵詞和「site：」之間要空一格，多個關鍵詞之間要空一格。
(8)谷歌數據集搜索擴展閱讀
命令用途：
1、可用於限制網站類型，學術資料在e、org中會更精練，政府相關的在gov中也許更容易找；
2、用了e、org、net、gov之類的域名後綴，並不會搜索所有含這個後綴的網站。
3、搜索某種語言或某個關鍵詞在指定國家的網站；
4、有的網站沒有提供站內搜索，或者它的信息結構混亂，內容又多，不好找東西，那麼可以用「site:」對這個網站進行檢索；
Google的「site:」功能比多數網站自己的站內檢索還要好用，如果你查的不是動態資料庫，而且對時效性要求不高的話。
5、搜索不歡迎你搜索和免費使用的網站、資料庫的部分內容；
6、用「site:」搜索死鏈接網站、已關閉網站內的信息。
I. 像白度和GOOGLE它們的搜索功能是怎麼實現的
·全文搜索引擎
在搜索引擎分類中我們提到過全文搜索引擎從網站提取信息建立網頁資料庫的概念。搜索引擎的自動信息搜集功能分兩種。一種是定期搜索，即每隔一段時間（比如Google一般是28天），搜索引擎主動派出「蜘蛛」程序，對一定IP地址范圍內的互聯網站進行檢索，一旦發現新的網站，它會自動提取網站的信息和網址加入自己的資料庫。
另一種是提交網站搜索，即網站擁有者主動向搜索引擎提交網址，它在一定時間內（2天到數月不等）定向向你的網站派出「蜘蛛」程序，掃描你的網站並將有關信息存入資料庫，以備用戶查詢。由於近年來搜索引擎索引規則發生了很大變化，主動提交網址並不保證你的網站能進入搜索引擎資料庫，因此目前最好的辦法是多獲得一些外部鏈接，讓搜索引擎有更多機會找到你並自動將你的網站收錄。
當用戶以關鍵詞查找信息時，搜索引擎會在資料庫中進行搜尋，如果找到與用戶要求內容相符的網站，便採用特殊的演算法——通常根據網頁中關鍵詞的匹配程度，出現的位置/頻次，鏈接質量等——計算出各網頁的相關度及排名等級，然後根據關聯度高低，按順序將這些網頁鏈接返回給用戶。
·目錄索引
與全文搜索引擎相比，目錄索引有許多不同之處。
首先，搜索引擎屬於自動網站檢索，而目錄索引則完全依賴手工操作。用戶提交網站後，目錄編輯人員會親自瀏覽你的網站，然後根據一套自定的評判標准甚至編輯人員的主觀印象，決定是否接納你的網站。
其次，搜索引擎收錄網站時，只要網站本身沒有違反有關的規則，一般都能登錄成功。而目錄索引對網站的要求則高得多，有時即使登錄多次也不一定成功。尤其象Yahoo!這樣的超級索引，登錄更是困難。（由於登錄Yahoo!的難度最大，而它又是商家網路營銷必爭之地，所以我們會在後面用專門的篇幅介紹登錄Yahoo雅虎的技巧）
此外，在登錄搜索引擎時，我們一般不用考慮網站的分類問題，而登錄目錄索引時則必須將網站放在一個最合適的目錄（Directory）。
最後，搜索引擎中各網站的有關信息都是從用戶網頁中自動提取的，所以用戶的角度看，我們擁有更多的自主權；而目錄索引則要求必須手工另外填寫網站信息，而且還有各種各樣的限制。更有甚者，如果工作人員認為你提交網站的目錄、網站信息不合適，他可以隨時對其進行調整，當然事先是不會和你商量的。
目錄索引，顧名思義就是將網站分門別類地存放在相應的目錄中，因此用戶在查詢信息時，可選擇關鍵詞搜索，也可按分類目錄逐層查找。如以關鍵詞搜索，返回的結果跟搜索引擎一樣，也是根據信息關聯程度排列網站，只不過其中人為因素要多一些。如果按分層目錄查找，某一目錄中網站的排名則是由標題字母的先後順序決定（也有例外）。
目前，搜索引擎與目錄索引有相互融合滲透的趨勢。原來一些純粹的全文搜索引擎現在也提供目錄搜索，如Google就借用Open Directory目錄提供分類查詢。而象 Yahoo! 這些老牌目錄索引則通過與Google等搜索引擎合作擴大搜索范圍（Yahoo已於2004年2月正式推出自己的全文搜索引擎，並結束了與Google的合作）。在默認搜索模式下，一些目錄類搜索引擎首先返回的是自己目錄中匹配的網站，如國內搜狐、新浪、網易等；而另外一些則默認的是網頁搜索，如Yahoo。