వెబ్ పేజిని సెర్చ్ ఇంజన్లు ఎలా చదువుతాయి ?

ముందుగా మీకు నేనో విషయం చెప్పదలచుకున్నా ! ఈ బ్లాగును చదివేవారికి ఖచ్చితంగా బ్లాగు గానీ, వెబ్ సైట్ గానీ ఉండితీరాలి. మీకు లేనట్లయితే వెంటనే కనీసం ఒక బ్లాగు అయినా క్రియేట్ చేసుకోండి. బ్లాగును క్రియేట్ చేసుకోడానికి ఉచిత బ్లాగ్ హోస్టింగ్ సైట్స్ ఉన్నాయి. వాటిలో ముఖ్యమైనవి blogspot.com , wordpress.com . నా దృష్టిలో blogspot.com లోనే బ్లాగ్ తయారు చేసుకోవడం మంచిది. ఎందుకంటే దీనిలో బ్లాగును మనకు కావాల్సిన విధంగా మలుచుకోవచ్చు . SEO టెక్నిక్ లను సులువుగా ఇమిడేలా చేయవచ్చు .వీక్షకులను ఆకర్షించవచ్చు. blogspot.com అనేది గూగుల్ యొక్క బ్లాగింగ్ విభాగం. కనుక గూగుల్ అకౌంట్ మీకు ఉంది తీరాలి. బ్లాగు ఎలా రూపొందించాలి  అనే విషయాలు చెప్పడానికి ఇప్పటికే తెలుగులో అనేక బ్లాగులు ఉన్నాయి.తప్పనిసరిగా బ్లాగుగానీ వెబ్సైటు గానీ ఉంటేనే మీకు SEO గురించి అవగాహన పూర్తిగా ఏర్పడుతుంది. కాకపొతే మన ఈ ప్రయాణంలో కొన్ని ఇతర websites  కూడా వీక్షిస్తాం . 
ఇక సెర్చ్ ఇంజిన్ స్పైడర్లు లేదా రోబోట్ లు వెబ్ పేజి ను ఎలా చదువుతాయో ఇప్పుడు తెలుసుకుందాం.
సెర్చ్ ఇంజిన్స్ ఒక వెబ్ సైట్ ను చేరిన తర్వాత ముందుగా అవి వెతికేది సైట్ యొక్క మెయిన్ ఫోల్డర్ లో ఉండే robots.txt  ఫైల్ గురించి. ఈ ఫైల్ ఆ వెబ్ సైట్  లో ఏవే పేజి లు చూడాలో , ఏవి చూడకూడదో సెర్చ్ ఇంజన్ కు చెపుతుంది . ఈ ఫైల్ గురించి తర్వాత మరింత వివరంగా తెలుసుకుందాం.
తర్వాత రోబోట్స్ వెబ్ సైట్ యొక్క హెడర్  <head >కు </head >కు మధ్య ఉన్న వివిధ meta tags ను చదువుతాయి. వాటి ఆదేశాలను అనుసరించి నడుచుకుంటాయి.
ఇక్కడ ఓ ముఖ్యమైన విషయం - ఒకవేళ robots.txt  ఫైల్ గానీ , మెటా టాగ్స్ గానీ లేకపోతె ? అపుడు సెర్చ్ ఇంజిన్స్  ఈ వెబ్సైటు లో ఉన్న అన్ని లింక్ లనూ చదివి తమలో దాచుకుంటాయి . దీన్నే indexing  అంటారు.
తరువాత రోబోట్స్ <body ></body >లో ఉన్న ప్రతీ అంశాన్నీ చదివి వాటిలో లభించిన కీ వర్డ్స్ , క్రొత్తగా ఏవైనా లభిస్తే తమలో దాచుకుంటాయి ఒకవేళ ఇప్పటికే ఆ content ఎక్కడో చదివినదైతే దాన్ని వదిలేస్తుంది
మొత్తానికి సెర్చ్ ఇంజన్లు వెబ్ సైట్ ను మనం చదివినట్లు కాక దాన్ని HTML ఆధారంగా చదువుతాయి .

Read More

సెర్చ్ ఇంజన్లు ఎలా సమాచారాన్ని సేకరిస్తాయి ?

ఇంటర్నెట్ విస్తృతి పెరిగేకొద్దీ సెర్చ్ ఇంజన్లపై ఆధారపడడం ఎక్కువవుతుంది. సెర్చ్ ఇంజన్ మనకు రిజల్ట్ ఇవ్వాలంటే ముందు అవి ఆయాపేజీలను ఇప్పటికే గుర్తించి  ఉండాలి కదా. . ఇన్ని వేల పేజీల పలితాలను ఇస్తున్న సెర్చ్ ఇంజిన్ తాను అన్ని కోట్ల పేజీలను ఎలా దాచుకోగలుగుతుంది ? ప్రజీ ఇంటర్నెట్ సెర్చ్ ఇంజిన్ రోబోట్స్ ( robots ) అని పిలువబడే ప్రత్యెక సాఫ్ట్వేర్ ఉపయొగిస్తాయి. వీటినే spiders అంటారు. spider  అంటే సాలెపురుగు . web ( సాలెగూడు ) ను అల్లుకుపోతుంది ఇది. వెబ్ లో ప్రతీమూలా వెతుకుతూ keywords ను తయారు చేయడమో, లేక ఇప్పటికే అది తయారు చేసిన వాటికి క్రొత్త విషయాల్ని జొదించడమో  చెస్తాయి. దీన్ని వెబ్ క్రౌలింగ్ అంటారు . ఈ spiders  ముందుగా ఎక్కువగా ఉపయోగించే సర్వర్లను , ముఖ్యమైన పేజీలతో తమ ప్రయాణాన్ని మొదలెడతాయి. ఈ ప్రయాణంలో తారసపడే ప్రతీ క్రొత్త పదాన్నీ , క్రోత్త  లింక్ నూ  తనలో దాచుకుంటుంది . అసలు ఈ spiders వెబ్ పేజిలను ఎలా చదువుతాయి? వాటికి అన్ని బాషలు వచ్చా ? వచ్చే పాఠం లో ...

Read More

సెర్చ్ ఇంజన్లు ఎలా పనిచేస్తాయి ?

WWW అంటే వరల్డ్ వైడ్ వెబ్ . మన ప్రపంచాన్ని ఏకం చేసింది, ఏకం చేస్తున్నది ఏమూల ఏమి జరిగినా తక్షణం మనకు అందజేస్తున్నది అదే!. దీన్నే ఇంటర్నెట్ అంటాము. దీనిలో కొన్ని కోట్లాది వెబ్ సైటులు , మిలియన్లకొద్దీ పేజీల్లో నిక్షిప్తమై ఉన్నాయి. మనకు ఏదైనా విషయం గురించి వివరాలు కావాలంటే అన్ని కోట్ల వెబ్ సైట్స్ చూడలేము కదా. అలా పుట్టుకు వచ్చాయి ఈ సెర్చ్ ఇంజన్లు . ఇంటర్నెట్ లో సమాచారాన్ని వెతికేవారికి సహాయపడడానికి ఇవి ఉన్నాయి. ఒక్కో సెర్చ్ ఇంజన్ ఒక్కో రకంగా వెతికే విధానాలు కలిగి ఉన్నా సామాన్యంగా వీటన్నింటికీ క్రింది లక్షణాలు ఉంటాయి .

• కొన్ని ముఖ్యమైన పదాల అధారంగా ఇవి ఇంటర్నెట్ లోని కోట్లాది పేజి లను వెతుకుతాయి. 
• పదాలనుబట్టి ఆయా పేజీల సమాచారాన్ని తాము ఎక్కడి నుంచి సేకరించింది , వాటికి మార్గాన్ని కూడా తనలో దాచుకుంటాయి . 
• వీక్షకుడు ఆయా పదాలను వెతికేటప్పుడు అ పదాలు, పదాల గుంపు ఆధారంగా ఫలితాలు ఇస్తాయి. 

పూర్వం ఈ సెర్చ్ ఇంజన్లు వందల పలితాలనే ఇచ్చేవి ప్రస్తుతం అవి వివిధ పదాలకు కోట్లాది పేజీలను ఇస్తున్నాయి.
ఈ సెర్చ్ ఇంజన్లలో ముఖ్యమైనవి గూగుల్ , బింగ్, యాహూ, బైడూ, ఆస్క్ . ఇవే కాక అనేక వెబ్ సైటులు , బ్లాగులు తమలో సమాచారాన్ని వీక్షకుడు వెతకడానికి సెర్చ్ ఆప్షన్ ను కలిగి ఉంటాయి.

Read More