쌍 따움표
2개 이상의 쿼리 문장이 주어졌을 경우, 구글은 각 쿼리어간의 거리를 검사해서 score를 계산한다.
socket api를 검색어로 입력했다면, socket와 api가 동시에 발견된 문서 중에서, 가능한 가까이 붙어있는 문서가 우선 노출되는 방식이다. 그러나 노래가사와 같은 경우에는 거리에 상관없이 반드시 붙어있어야 할 것이다.
예를 들어 harry potter를 검색할 경우, "harry potter"로 검색하는게 원하는 결과를 얻을 확률이 높다.
harry potter를 검색어로 입력할 경우에는
harry potter, harry ant potter, Im potter. your harry?'등등이 검색될 수 있는데, 쌍따움표로 묶어줄 경우 harry 다음에 potter이 포함된 문서만 검색하기 때문이다.
키워드의 포함과 제외
Wireless Networking로 검색을 한다고 가정해 보자. 우리가 원하는 정보는 무선 네트워크 기술이다.
이경우 Wireless와 Networking가 모두 포함된 문서가 상위에 검색될 확률이 높지만, 문서자체의 가중치에 의해서 Wireless와 Networking 둘중 하나만 포함된 문서가 상위에 검색될 수도 있다. 그렇다면 가장 확실한 검색방법은 따움표로 묶는 방법이 될 것이다.
"Wireless Networking"
그러나 이 경우에는 검색되는 문서의 양이 너무 적어져서, 중요한 문서가 빠질 수도 있다. 그렇다면 쌍따움표를 빼고 검색어를 만드는 방법이 있다.
Wireless NetWorking
이 경우에는 다양한 문서가 검색되겠지만, Wireless와 NetWorking 둘중 하나만 포함되어도 검색결과에 노출되므로, 쓸데 없는 문서까지 검색될 수 있다. 이를테면 Wireless phone, Wireless PDA등이 무선 네트워크 장비 관련 정보들 까지 떠버린다. 우리가 중요한건 네트워크 기술이므로, Networking를 반드시 포함시키도록 하면, 좀더 좋은 결과를 얻을 수 있을 것이다. 이렇게 해당 검색어를 반드시 포함시키고자 할때에
+를 검색어 앞에 붙여주면 된다.
Wireless +NetWorking
키워드를 제외할 필요도 있을 것이다. 이경우에는
-를 사용하면 된다.
"Wireless NetWorking" -wired +routers
필드 명령
검색엔진들은 필드검색이 가능하도록 색인테이블을 지원한다. 즉 site, contents (본문), link, title 별로 검색이 가능하도록 색인테이블을 작성한다. 이를 이용하면 특정 site내에서의 검색이라든지, 사이트의 제목에서만 검색하는 등의 검색작업을 수행할 수 있다. 다음은 www.joinc.co.kr 사이트내에서 "socket api"문장을 포함한 문서를 찾는다.
site:www.joinc.co.kr.co "socket api"
또한 상위 도메인명을 필드로 지정할 수도 있다. 아래와 같이 하면
.co.kr도메인을 가진 문서에 대해서 검색을 수행하게 된다.
site:.co.kr "socket api"
intitle:를 이용하면 문서의 제목을 기준으로 검색을 한다. title에 joinc가 포함된 문서 중에서 wiki가 검색된 문서를 찾는다면 다음과 같이 하면 된다.
intitle:joinc wiki
filetype:를 이용하면 해당 파일타입을 기준으로 검색을 할 수 있다. 다음과 같이 하면 파일 타입이
xml인 문서중에서 pthread를 포함한 것을 검색하게 된다.
filetype:xml pthread
이러한 필드들은 몇개를 조합해서 사용할 수도 있다.
site:joinc.co.kr filetype:html 하드웨어
기타등등
구글은 웹문서를 수집할 때, 해당 사이트에 있는
ROBOTS파일을 읽어서 그 정책에 따라서 행동한다. 이 로봇파일에는 웹문서를 수집할 수 있는지, 수집하기 위해서 아이디와 패스워드가 필요한지 등에 대한 정보를 담고 있다.
robots.txt
User-agent: Googlebot
Disallow: admin.php
Disallow: /admin/
Disallow: /includes/
Disallow: /themes/
Disallow: /manual/
Disallow: /modules.php?name=News
Disallow: /modules.php?name=Forum
Disallow: /modules.php?op=modload&name=Forum
Disallow: /modules.php?name=Search
User-Agent: Slurp
Disallow: /
User-Agent: MSNBot
Disallow: /
위 문서를 보면, 문서 수집을 허락하지 않는 파일과 디렉토리에 대한 정책이 있음을 확인할 수 있다.
아래와 같이 검색어를 입력하면, 각 사이트에 대한 robots.txt 정보를 검색할 수 있다.
inurl:"robots.txt" filetype:txt
