索引庫Index (Search Index)
索引庫是搜尋引擎爬取網頁後整理儲存的資料庫,裡面有各頁的文字、標記與代表網址等資訊,使用者搜尋時系統就從這裡找出結果。
- 英文
- Search Index
- 台灣常見別名
- 索引庫、索引、搜尋索引、Google 索引
- 簡中用語
- 搜索索引、索引库
- 類別
- 搜尋引擎運作與資訊檢索
- 提出者與年份
- 資訊檢索的通用術語
- 官方文件
- Google 搜尋的運作方式:建立索引
索引庫是什麼?
索引庫就是搜尋引擎存放網頁資料的資料庫,業界多半直接簡稱「索引」(Index)。Google 會先爬取大量網頁,分析每一頁的內容與關鍵標記,把值得保留的資料整理好存進去,使用者搜尋時,再從索引庫裡找出相符的結果,而不是當場去網路上現找。
它位在爬取之後、顯示結果之前:爬蟲先找到並下載頁面,接著分析頁面並存進索引庫,最後才輪到排序。頁面沒有進入索引庫,就不可能出現在搜尋結果裡。Google 的說明提到,被爬取過的頁面也不保證一定會被收錄。
舉例
同一間旅館的房型有兩個網址:原價網址,以及帶有折扣參數的網址,兩頁內容一樣。Google 會把它們歸成一組,只選出一個當代表網址存進索引庫,兩個網址旅客都還是打得開,但在 Search Console 的索引報表裡,另一個網址可能會顯示為重複頁面、未被收錄。
索引庫包含什麼
頁面內容與關鍵標記。Google 分析頁面的文字、圖片、影片,以及 title 元素、圖片替代文字等標記後,把理解的結果存起來。
代表網址與重複頁面。內容相似的頁面會被歸成一組,由 Google 選出最具代表性的網址當標準網址,其餘變成替代版本。標準網址可以用 canonical 標籤表達偏好,但最後由 Google 決定。
頁面訊號。Google 說明索引會記錄頁面的語言、內容在地的國家,以及頁面的可用性等訊號。
運作方式的背景。資訊檢索常見的做法是倒排索引:像書後面的索引頁,記錄每個詞出現在哪些頁面,查詢時才能快速找到。Google 的官方文件沒有說明它的內部資料結構,這一段屬於業界對搜尋引擎通用做法的說明。
為什麼重要
沒進索引庫,頁面就沒有曝光機會,其他 SEO 工作都白做。Google 列出的常見原因包括:頁面內容品質低、robots meta 規則禁止收錄,以及網站設計讓索引變得困難,例如過度依賴 JavaScript。在爬取階段,robots.txt 的限制或需要登入才能看的內容,也會讓頁面進不了索引庫。
怎麼檢查
- 在 Google 搜尋框輸入
site:你的網域,粗略看網站有哪些頁面被收錄。 - 在 Search Console 的「網址審查」輸入單一網址,看狀態是否為已建立索引,並比對「使用者宣告的標準網址」與「Google 所選的標準網址」。
- 在 Search Console 的「網頁」索引報表,看哪些網址未被收錄,點進去查看原因。
- 有重複頁面時,確認代表網址是你希望的那一個,再決定要補 canonical 標籤或做轉址。
常見誤解
頁面被爬取過,就一定會進索引庫。
Google 說明收錄沒有保證,並不是每個被處理過的頁面都會被收錄。
使用者搜尋時,Google 會當場去網站抓最新內容。
Google 的說明是搜尋時由系統從索引中找出相符頁面,所以網站更新後要等 Google 重新爬取並更新索引,搜尋結果才會改變。
頁面被收錄,就代表會有好排名。
收錄只是取得出現在結果中的資格,排名還要經過排序這一步。
常見問題
Google 的索引庫有多大?
Google 目前的官方文件沒有公布確切大小,只說明它是一個存放在數千台電腦上的大型資料庫。網路上流傳的各種數字都不是現行的官方說法。
索引和索引庫是同一個東西嗎?
是。英文都叫 index,台灣 SEO 圈通常直接說「索引」。「建立索引」或「收錄」則是 Google 把頁面放進這個資料庫的動作,頁面進了資料庫才有機會出現在搜尋結果。
新頁面要怎麼讓 Google 更快收錄?
在 Search Console 的「網址審查」輸入網址並選擇要求建立索引,同時提交網站地圖,並讓站內其他頁面連到它。Google 說明收錄沒有保證,即使頁面符合規範也一樣。
頁面被收錄之後,會一直留在索引庫嗎?
不一定。Google 說明收錄沒有保證,頁面被設成 noindex、被刪除或回傳錯誤狀態時,都可能從索引庫移除,所以要定期看 Search Console 的頁面索引報表確認狀態。
閱讀更多
- Google 爬取與索引教學:頁面沒被收錄,問題通常卡在這幾層
長文從探索、爬取到建立索引展開,說明如何確認網站卡在哪一步。