本文讨论查询语句的处理方式,不提供任何站点地址,也不对搜索结果中的具体条目作评价。
一、搜索框不做解析,只做匹配
地址栏的工作是解析:把字符串交给域名系统,找到对应的服务器。搜索框的工作是匹配:把字符串切词、建索引、按相关度排序。同一个字符串进入两套系统,处理逻辑完全不同。搜索框看到点号,不会自动去解析域名,而是先判断这段字符像不像一个网址标识;像与不像,取决于它内部的识别规则,而不是用户的意图。这就是为什么同样一串字符,写在地址栏能打开,写在搜索框只会得到一页结果。
二、后缀被当成词的一部分时
当查询被整体视为一个标识时,搜索引擎会把它当成一个专有字符串处理,结果往往集中在标题或正文里完整出现该字符串的页面。这种情况下,后缀是查询的一部分,参与匹配,也参与排序权重。问题在于,完整出现这串字符的页面未必是你想找的那一类:可能有讨论它的文章、有收录它的目录页、有把它写进标题的转载页。查询越像专有名词,结果越容易混入“谈论它”的页面,而不是“属于它”的页面。
三、后缀被剥离或被改写时
另一种处理方式是剥离。搜索引擎判断这段字符更像自然语言里的词时,会把后缀当作可忽略的修饰,转而用前面的词根去匹配。于是出现一种常见现象:查询里带着后缀,结果标题里一个后缀都没有。还有一种中间状态是改写:系统保留词根,同时在结果里补上它认为相关的其他后缀写法。这三种处理不是随机的,取决于查询长度、字符构成、历史点击与索引里的共现关系。理解这一点,就不会把“结果里没有后缀”当成搜索引擎出错。
可执行检查单
- 01想找某个具体页面,用地址栏而不是搜索框,搜索框不负责解析域名。
- 02想知道某个词被怎样讨论,用搜索框,但要预期结果里混有转述页与目录页。
- 03结果标题与查询不完全一致属于正常改写,判断依据应是页面内容而非标题字面。
一个常见问题
为什么搜完整域名,出来的却是不带后缀的页面?
因为搜索引擎把这段字符判定为可拆分的词,而不是一个必须整体匹配的标识。剥离后缀之后,词根的匹配面大得多,返回的页面自然更多,其中不少标题里根本不写后缀。这不表示系统忽略了你的输入,而是它选择了召回率更高的一种解释。想让查询更贴近字面,可以加引号限定整体匹配,或者补上能区分语境的词。
四、把两种输入路径分清,再谈结果
实用的分法是先问自己要什么。要找某个确定的位置,就走地址栏,并且按后缀、层级逐段核对,别让搜索结果的标题替你做判断。要了解一个词被怎样谈论,就走搜索框,同时接受结果混杂:有原创内容、有转载、有只把词写进标题的页面,也有停靠页与聚合页。“海角新闻.com”正好是两类意图混在一起的词——既有人当地址输入,也有人当话题搜索,所以结果页看起来格外杂。网传对这个词的种种解释,多属转述,未经核实。分清路径之后,剩下的工作是一样的:打开任何一个结果,都先看它属于哪一类页面,再看它说了什么。