谷歌数据集搜索
A. 如何查看谷歌等搜索引擎索引的网页数量谷歌现在索引的网页有多少了
Google使用两个探测器来抓取网站上的内容：Freshbot和Deepbot。深度探测器(Deepbot)每月出击一次，受访内容在Google的主要索引之中。刷新探测器(Freshbot)是持续不断地发现新的内容，例如新的网站、论坛、博客等。看起来，Google是发现了一个新的网页，之后再频繁地再访，来看看是否还有什么新的更新。如果有，这个新网站就会被加入到刷新探测器的名单中进行访问。
刷新探测器取得的结果是汇总在一个单独的数据库里。每一次刷新探测器进行新的一轮循环的时候都被重写。刷新探测器和Google的主要索引是合在一起提供搜索结果的。
Google的操作模式
收集---->采编/索引---->反馈的工作程序。事实上，搜索引擎包括以下几个元素。
·抓取状态：搜索引擎派出探测器到互联网上不知疲倦地搜集网页。
·网页仓库：搜索来的网页要集中在一个地方存储，等候索引处理。
·索引整理：将网页分门别类，进行压缩，等候进行索引编类，而未压缩的原始网页资料被删除掉。
·索引状态：将压缩后的网页编目在不同的索引之下。
·问询状态：将用户问询所用的白话转换成搜索引擎读的懂的计算机语言，来咨询各个索引求得相关答案。
·排名状态：搜索引擎将相关答案根据一定的标准以列表的形式排列给用户。搜索引擎认为最好的答案被推荐在首位，较次的排列随后，以此类推。
SEO是逆向搜索推理
网站首先要知道搜索引擎是怎样判定网站质量的，这个揣度搜索引擎的过程是逆向推理。这个逆向推理是从搜索引擎的搜索排名开始，去探索究竟搜索引擎会将一些网站排列在搜索结果的前列，为什么一些网站连显示的机会都没有。最后推理出的结论是知道搜索引擎判定和排名网站存在着哪些普遍规律，进而知道网站的设计和推广中哪些是应该做的，哪些是不应该做的。
Google的PageRank(PR)
PageRank并非是“页面等级”，而是“佩奇等级”。因为这里的Page指的是Google的创始人之一拉里·佩奇(LarryPage)，从名字可以看出有的人天生就是为互联网而存在。
公式
PR(A)=(1-d)+d(PR(Ti)/C(Ti)++PR(Tn)/C(Tn))
PR(A)：网页A的佩奇等级(PR)
PR(Ti)：链接网页A的网页Ti的佩奇等级(PR)。i可以是0-n，n是链接的总数。这个链接可以是来自任何网站的导入链接
C(Ti)：网页Ti往其他网站链接的数量(导出链接)
d：阻尼系数，介于0-1之间，Google设为0.85。
可以看出，网页A的PR是由链接它的其他网页Ti所决定的。如果在网页Ti中有一个链接指向网页A，那么A就得到了一个“投票”。但是如果网页Ti中的导出链接如果越多，点击指向A的可能性就越小。所以网页Ti的PR只需要用C(Ti)来加权平均。
当然，决定网站排名的不仅仅是PR值，还有其他的因素。但是PR在google判断网站质量中起着很重要的作用。
B. iPhone把谷歌设为默认搜索，到底是怎么回事
外媒体报道，在上个月的一次演讲中，苹果CEO蒂姆·库克曾暗批谷歌、版Facebook等大型科技公司对用户隐私权保护不力，批评这些公司利用用户数据赚钱，但略显讽刺意味的是，苹果还是在同这些在用户隐私方面与自己观念背道而驰的公司合作，每年还接受谷歌的数十亿美元，将其设为iOS系统的默认搜索引擎，而库克在周日的采访中，也对将谷歌设为默认搜索引擎一事进行了解释。
库克还进一步提到了他们在阻止其他公司搜集用户数据方面所采取的行动，他表示他们有无痕网页浏览，有智能防追踪工具，他们也在想办法帮助用户。
C. 想要用谷歌搜索学术资料怎么办
很多人用梯子，不过麻烦并且不稳定，可以下载威行浏览器。
D. 利用Google搜索引擎检索出来的资料往往数量太多，采用那些方法可以使检出的结果集中一些
采用google给的高级搜索，尽量框定你的目标范围，不过要解决你说的问题的话，目前的技术好像还没办法做到，这是搜索引擎的通病
E. 如何查看在Google地图中搜索到的全部结果
看到下面翻页的地方有一个“下一页”了吗？点一下增加一页
F. 怎样清楚chrome里有些页面的搜索记录
1、首先我们打开我们常用的谷歌浏览器
G. Google 和百度主要用什么数据库
由于基于关来键词的数据特源性和数据量巨大这些原因 关系型数据库是不适用的
搜索引擎公司都使用自己的数据存储形式和检索形式, 用于适应搜索引擎涉及到的数据特性, 而不是通用的关系型数据库解决方案, 可以简单认为是设计了一个独立的数据库系统, 其实就是通常说的搜索引擎索引系统. google 98论文里面有简单的介绍其索引的形式, 可参考译文里的"4.2 主要的数据结构"http://article.yeeyan.org/view/yangxiao/1347
在这层数据存储形式之下, 还进一步延伸出分布式的存储系统(当然非分布式的也可以用)
H. 如何用 GOOGLE 或者 BAIDU搜索指定网站资源!
在GOOGLE 或者 BAIDU中输入命令，site命令语法格式有两种：
1、site:网址 关键词 例如：site:tieba..comPPT素材
2、关键词 site:网址 例如：PPT素材site:tieba..com
注意事项：
一、“site”后面是英文冒号；
二、网址域名前面不带“http://”，后面不带斜杠“/”，注意有和没有“www”的搜索结果是不一样的；
三、“site：”和网址之间不要有空格；
四、关键词和“site：”之间要空一格，多个关键词之间要空一格。
(8)谷歌数据集搜索扩展阅读
命令用途：
1、可用于限制网站类型，学术资料在e、org中会更精练，政府相关的在gov中也许更容易找；
2、用了e、org、net、gov之类的域名后缀，并不会搜索所有含这个后缀的网站。
3、搜索某种语言或某个关键词在指定国家的网站；
4、有的网站没有提供站内搜索，或者它的信息结构混乱，内容又多，不好找东西，那么可以用“site:”对这个网站进行检索；
Google的“site:”功能比多数网站自己的站内检索还要好用，如果你查的不是动态数据库，而且对时效性要求不高的话。
5、搜索不欢迎你搜索和免费使用的网站、数据库的部分内容；
6、用“site:”搜索死链接网站、已关闭网站内的信息。
I. 像白度和GOOGLE它们的搜索功能是怎么实现的
·全文搜索引擎
在搜索引擎分类中我们提到过全文搜索引擎从网站提取信息建立网页数据库的概念。搜索引擎的自动信息搜集功能分两种。一种是定期搜索，即每隔一段时间（比如Google一般是28天），搜索引擎主动派出“蜘蛛”程序，对一定IP地址范围内的互联网站进行检索，一旦发现新的网站，它会自动提取网站的信息和网址加入自己的数据库。
另一种是提交网站搜索，即网站拥有者主动向搜索引擎提交网址，它在一定时间内（2天到数月不等）定向向你的网站派出“蜘蛛”程序，扫描你的网站并将有关信息存入数据库，以备用户查询。由于近年来搜索引擎索引规则发生了很大变化，主动提交网址并不保证你的网站能进入搜索引擎数据库，因此目前最好的办法是多获得一些外部链接，让搜索引擎有更多机会找到你并自动将你的网站收录。
当用户以关键词查找信息时，搜索引擎会在数据库中进行搜寻，如果找到与用户要求内容相符的网站，便采用特殊的算法——通常根据网页中关键词的匹配程度，出现的位置/频次，链接质量等——计算出各网页的相关度及排名等级，然后根据关联度高低，按顺序将这些网页链接返回给用户。
·目录索引
与全文搜索引擎相比，目录索引有许多不同之处。
首先，搜索引擎属于自动网站检索，而目录索引则完全依赖手工操作。用户提交网站后，目录编辑人员会亲自浏览你的网站，然后根据一套自定的评判标准甚至编辑人员的主观印象，决定是否接纳你的网站。
其次，搜索引擎收录网站时，只要网站本身没有违反有关的规则，一般都能登录成功。而目录索引对网站的要求则高得多，有时即使登录多次也不一定成功。尤其象Yahoo!这样的超级索引，登录更是困难。（由于登录Yahoo!的难度最大，而它又是商家网络营销必争之地，所以我们会在后面用专门的篇幅介绍登录Yahoo雅虎的技巧）
此外，在登录搜索引擎时，我们一般不用考虑网站的分类问题，而登录目录索引时则必须将网站放在一个最合适的目录（Directory）。
最后，搜索引擎中各网站的有关信息都是从用户网页中自动提取的，所以用户的角度看，我们拥有更多的自主权；而目录索引则要求必须手工另外填写网站信息，而且还有各种各样的限制。更有甚者，如果工作人员认为你提交网站的目录、网站信息不合适，他可以随时对其进行调整，当然事先是不会和你商量的。
目录索引，顾名思义就是将网站分门别类地存放在相应的目录中，因此用户在查询信息时，可选择关键词搜索，也可按分类目录逐层查找。如以关键词搜索，返回的结果跟搜索引擎一样，也是根据信息关联程度排列网站，只不过其中人为因素要多一些。如果按分层目录查找，某一目录中网站的排名则是由标题字母的先后顺序决定（也有例外）。
目前，搜索引擎与目录索引有相互融合渗透的趋势。原来一些纯粹的全文搜索引擎现在也提供目录搜索，如Google就借用Open Directory目录提供分类查询。而象 Yahoo! 这些老牌目录索引则通过与Google等搜索引擎合作扩大搜索范围（Yahoo已于2004年2月正式推出自己的全文搜索引擎，并结束了与Google的合作）。在默认搜索模式下，一些目录类搜索引擎首先返回的是自己目录中匹配的网站，如国内搜狐、新浪、网易等；而另外一些则默认的是网页搜索，如Yahoo。