搜索引擎要知道網上的新生事物，就得派人出去搜集。我們提到，在Yahoo創(chuàng)辦初期，許多編輯天天泡在網上，訪問新鮮網站，然后將搜集來的信息整理成序。當時的網站數(shù)量少，做起來比較容易。而現(xiàn)在新網站的出現(xiàn)數(shù)量、老網的更新都是爆炸式的，靠人工是不可能完成這個任務的。所以，搜索引擎的發(fā)明者就設計了計算機程序，派它們來執(zhí)行這個任務。

    探測器有多種叫法，也叫crawler（爬行器）、spider（蜘蛛）、robot（機器人）。這些形象的叫法是描繪搜索引擎派出的蜘蛛機器人爬行在互聯(lián)網上探測新的信息。Google把它的探測器叫做Googlebot，百度就叫Baiduspider，MSN oU

MSNbot．而Yahoo則稱為Slurp。這個探測器實際上是人們編制的計算機程序，蟲它不分晝夜地進入訪問各個網站，取回網站內容、標簽、圖片等，然后依照搜素引擎的算法給它們制定成索引。所以，這可不是“爬行”而是以光速來訪問的。

    一個搜索引擎會同時派遣出許多探測器。這些“機器人”或者從站主直接呈涕的網站URL去訪問，或者由一個網絡用戶所裝的搜索引擎工具欄（比如Google工具欄）得知用戶去的網站，或者是從一個網站中指向另一個網站的鏈接過去。

探測器不一定是從網站的首頁進入訪問，所以，如果你要探測器訪問你的其他網夏，那么這個進入頁就需要和其他網頁相連。達到這個目的最容易的辦法就是在每一頁都加入指向首頁的鏈接。

    但是，探測器對許多網站是不能完整取回信息的，這個大多是由于網站的設計沒有按照搜索引擎探測器的思路來進行優(yōu)化。比如，如果一個網頁比較大，探測器也只能截取網頁的首都，而且只能跟著少量的鏈接走。Google目前能夠吸收100KB的文件，Yahoo會多一點。這個可以通過實驗來檢驗。將一個搜索關鍵詞放在一個很長的網頁（約160KB）最后部分，然后看Google的緩存(cache)中顯現(xiàn)網頁的大小是多少。如果不出意料，Google的cache說這個網頁只有101KB。很顯然，一部分內容沒有被Google抓走。