搜索引擎是什么

你敲下几个字，按下回车，引擎0.3秒后屏幕上列出了几十万条结果。搜索这个过程你每天重复几十次，引擎但有没有那么一瞬间想过——它到底是搜索怎么做到的？

搜索引擎本质上是一个巨大的索引系统，外加一套排序算法。引擎就这么简单，搜索也这么复杂。引擎它不像图书馆管理员那样一本本帮你找书，搜索而是引擎提前把互联网上几乎所有公开网页的内容都“抄”了一份，建成了一个超级索引。搜索你搜索时，引擎它查的搜索是这个索引，而不是引擎实时去爬整个互联网。

拿Google举例。搜索它的爬虫程序（叫Googlebot）每天要抓取数十亿个网页。这些爬虫像不知疲倦的蚂蚁，从一个链接爬到另一个链接，把网页内容带回去。带回之后，搜索引擎会做三件事：解析内容、提取关键词、建立倒排索引。

但光有索引还不够。互联网上“红烧肉做法”相关的页面少说几百万个，凭什么把某些页面排在第一页？这就是排序算法的事。早期Google靠PageRank——一个网页被越多高质量网页链接，它就越重要。现在排序因素复杂得多：内容相关性、页面加载速度、移动端适配、用户点击率、甚至你所在的地理位置和搜索历史。

我自己做过一个小实验。同样搜“咖啡因半衰期”，用Google和百度，前五条结果里，Google第一条是维基百科，百度第一条是百度百科，第二条是某健康网站。差异背后是两家公司对“权威性”的定义不同，以及中文互联网内容生态的差异。搜索引擎不是客观真理机器，它呈现的是算法对“什么内容更值得看”的判断。

还有个常被忽略的点：搜索引擎其实不搜索实时互联网。你搜到的结果是爬虫上一次抓取时的快照。一个网页如果昨天刚更新，今天可能还没被重新抓取。Google的抓取频率从几分钟到几周不等，取决于网站权重和更新频率。所以有时候你搜到一条新闻，点进去发现内容已经改了——你看到的是旧版本。

那搜索引擎怎么赚钱？广告。你搜“律师”，前几条带“广告”标识的就是竞价排名结果。广告主对关键词出价，价高者排前面。这部分和自然搜索结果分开，但边界越来越模糊。Google每年广告收入超过2000亿美元，占 Alphabet 总营收的80%以上。免费给你用，是因为你的注意力被卖给了广告主。

最后说个反直觉的事：搜索引擎其实不知道答案。它只知道哪些网页可能包含答案。你问“明天天气”，它不会计算气象数据，而是找到气象网站已经写好的页面，把摘要显示给你。所以当网上没有相关内容时，搜索引擎就无能为力——它不创造信息，只搬运和排序信息。

下次你按下回车，可以想想背后那几十万台服务器、上百万公里的光缆、以及一套比你想象中更笨也更聪明的系统。它不完美，但确实改变了人类获取知识的方式。